要約
我々は、被験者の脳内ネットワークを符号化するためのユニークな脳内ネットワーク識別番号（UBNIN）と呼ばれる新しいアルゴリズムを提案する。この目的を実現するために、インド国立精神衛生・神経科学研究所の180人のパーキンソン病（PD）患者のT1強調構造MRIを使用した。各患者の脳容積をパーセル化し、各領域の灰白質（GM）容積の相関を利用して、個々の隣接行列を構築した。各ノード(i)の接続を表す値から、2^-(i-1)の係数で重み付けしたユニークなコードを導き出す。この数値表現UBNINは、個々の脳ネットワークで異なることが確認されており、他の神経画像モダリティにも適用できる可能性がある。このモデルは、その人固有の脳結合の神経シグネチャーとして実装される可能性があり、それによってブレインプリンティングの応用に有用である。さらに、上記のデータセットを5つの年齢コホートに分離した：A：22-32歳、B：33-42歳、C：43-52歳、D：53-62歳、E：63-72歳で、年齢によるネットワークトポロジーの変化を調査しました。各年齢の相関行列を2値化するための閾値推定値として、スパース性を採用した。接続性の指標は、Brain Connectivity toolboxベースのMATLAB関数を用いて求めた。各年齢コホートにおいて、平均クラスタリング係数はスパース性が高くなるにつれて減少する傾向が観察された。BとC（スパース性：0.63、0.66）、CとE（スパース性：0.66、0.69）では、有意に異なるクラスタリング係数が認められた。この結果は、年齢とともにネットワーク接続パターンが変化することを示唆しており、根底にある神経病理によるネットワークの崩壊を示唆している。また、クラスタリング係数が異なるコホートでは、隣接するノード間の情報伝達が加齢に伴い変化することが示された。これは、加齢に伴う脳の縮小とネットワークの変性に関する証拠を提供するものである。
要約(オリジナル)
We propose a novel algorithm called Unique Brain Network Identification Number (UBNIN) for encoding brain networks of individual subject. To realize this objective, we employed T1-weighted structural MRI of 180 Parkinson’s disease (PD) patients from National Institute of Mental Health and Neurosciences, India. We parcellated each subject’s brain volume and constructed individual adjacency matrix using correlation between grey matter (GM) volume of every pair of regions. The unique code is derived from values representing connections of every node (i), weighted by a factor of 2^-(i-1). The numerical representation UBNIN was observed to be distinct for each individual brain network, which may also be applied to other neuroimaging modalities. This model may be implemented as neural signature of a person’s unique brain connectivity, thereby useful for brainprinting applications. Additionally, we segregated the above dataset into five age-cohorts: A:22-32years, B:33-42years, C:43-52years, D:53-62years and E:63-72years to study the variation in network topology over age. Sparsity was adopted as the threshold estimate to binarize each age-based correlation matrix. Connectivity metrics were obtained using Brain Connectivity toolbox-based MATLAB functions. For each age-cohort, a decreasing trend was observed in mean clustering coefficient with increasing sparsity. Significantly different clustering coefficient was noted between age-cohort B and C (sparsity: 0.63,0.66), C and E (sparsity: 0.66,0.69). Our findings suggest network connectivity patterns change with age, indicating network disruption due to the underlying neuropathology. Varying clustering coefficient for different cohorts indicate that information transfer between neighboring nodes change with age. This provides evidence on age-related brain shrinkage and network degeneration.
arxiv情報
| 著者 | Tanmayee Samantaray,Utsav Gupta,Jitender Saini,Cota Navin Gupta |
| 発行日 | 2023-06-02 17:03:39+00:00 |
| arxivサイト | arxiv_id(pdf) |