GyralNet Subnetwork Partitioning via Differentiable Spectral Modularity Optimization

要約

人間の脳の構造的および機能的組織を理解するには、皮質折りたたみ式パターンの詳細な調査が必要であり、その中で3ヒンジ（3Hg）が重要な構造ランドマークとして特定されています。
皮質折りたたみのネットワーク表現であるGyralnetは、ノードとして3HGを縁としてのジャイラル紋章としてモデル化し、皮質皮質の接続性における重要なハブとしての役割を強調しています。
ただし、3HGを分析するための既存の方法は、典型的なニューロイメージング解像度での3HGのサブボクセルスケール、クロスサブジェクトの対応を確立するための計算の複雑さ、および3HGをコミュニティレベルの関係を考慮せずに独立したノードとして単純化することを含む、重大な課題に直面しています。
これらの制限に対処するために、GyralNet内の3HGの組織化をモジュール化するためにスペクトルモジュール性の最大化最適化戦略を採用する完全に微分可能なサブネットワークパーティションフレームワークを提案します。
属性の特徴としてトポロジー構造の類似性とDTI由来の接続パターンを組み込むことにより、私たちのアプローチは皮質組織の生物学的に意味のある表現を提供します。
Human Connectome Project（HCP）データセットに関する広範な実験は、私たちの方法が個々のレベルでGyralnetを効果的に分割しながら、被験者間の3Hgのコミュニティレベルの一貫性を維持し、脳のつながりを理解するための堅牢な基盤を提供することを示しています。

要約(オリジナル)

Understanding the structural and functional organization of the human brain requires a detailed examination of cortical folding patterns, among which the three-hinge gyrus (3HG) has been identified as a key structural landmark. GyralNet, a network representation of cortical folding, models 3HGs as nodes and gyral crests as edges, highlighting their role as critical hubs in cortico-cortical connectivity. However, existing methods for analyzing 3HGs face significant challenges, including the sub-voxel scale of 3HGs at typical neuroimaging resolutions, the computational complexity of establishing cross-subject correspondences, and the oversimplification of treating 3HGs as independent nodes without considering their community-level relationships. To address these limitations, we propose a fully differentiable subnetwork partitioning framework that employs a spectral modularity maximization optimization strategy to modularize the organization of 3HGs within GyralNet. By incorporating topological structural similarity and DTI-derived connectivity patterns as attribute features, our approach provides a biologically meaningful representation of cortical organization. Extensive experiments on the Human Connectome Project (HCP) dataset demonstrate that our method effectively partitions GyralNet at the individual level while preserving the community-level consistency of 3HGs across subjects, offering a robust foundation for understanding brain connectivity.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google