Informational connectivity measures the correspondence between time courses of multi-voxel information across different brain regions. Multi-voxel pattern discriminability time series are extracted from regions and compared, revealing networks that are not identified in a typical functional connectivity approach.
Det er nå verdsatt at tilstanden relevant informasjon kan være til stede innen distribuerte mønstre av funksjonell magnetisk resonans imaging (fMRI) hjerneaktivitet, selv for tilstander med tilsvarende nivåer av univariat aktivering. Multi-voxel mønsteret (MVP) analyse har blitt brukt til å dekode denne informasjonen med stor suksess. FMRI etterforskere også ofte søke å forstå hvordan hjernen samhandler i sammenhengende nettverk, og bruke funksjonell tilkobling (FC) for å identifisere regioner som har korrelerte responser over tid. Akkurat som univariatanalyser kan være ufølsom for informasjon i MVPer, kan FC ikke fullt preger hjernen nettverk som behandler forhold med karakteristiske MVP signaturer. Metoden som beskrives her, informasjons tilkobling (IC), kan identifisere områder med korrelerte endringer i MVP-discriminability over tid, avslører tilkobling som ikke er tilgjengelig for FC. Metoden kan være utforskende, bruker lyskastere for å identifisere frø-connected områder, eller planlagt, mellom pre-utvalgte regioner-of-interesse. Resultatene kan belyse nettverk av regioner som behandler MVP-relaterte forhold, kan sammenbrudd MVPA lyskaster kart i separate nettverk, eller kan sammenlignes på tvers av oppgaver og pasientgrupper.
Målet med analysemetoden som er beskrevet her er å måle tilkobling mellom hjernen regioner basert på svingninger i deres multi-voxel informasjon. Fremskritt i funksjonell magnetisk resonans imaging (fMRI) analyseteknikker har avdekket at en stor mengde informasjon kan finnes i blod-oksygennivå avhengige (BOLD) aktivitetsmønstre som er fordelt over flere voxel 1-3. Et sett med teknikker som er følsomme for multivariat informasjon – kjent som multi-voxel mønster analyse (MVPA) – har blitt brukt for å vise at forholdene kan ha skjelnes gjør du det til tross for at utvisket univariat svar 1,2,4. Standard analyser, som sammenligner univariat svar, kan være ufølsom for denne multi-voxel informasjon.
Flere områder av hjernen er engasjert når mennesker behandler stimuli og utføre kognitive operasjoner. Funksjonell tilkobling (FC) er en metode som vanligvis benyttes til å undersøkegate slike funksjonelle nettverk 5,6. I sin mest grunnleggende form, FC kvantifiserer co-aktivering, eller synkronisering, mellom ulike voxel eller regioner. FC har blitt brukt for å identifisere funksjonelt forbundne hjernenettverk med stor suksess. For mange regioner og betingelser, men univariat svarene reflekterer ikke all tilgjengelig informasjon innenfor BOLD aktivitet. FC teknikker som sporer dynamisk endring univariat responsnivåer kan mangle følsomhet for vanlige svingninger i multi-voxel informasjon. Analysemetoden som presenteres her, informasjons tilkobling (IC, først beskrevet i en nyere artikkel 7), broer et gap mellom MVPA og FC, ved å måle tilkobling med en beregning som er følsomme for multi-voxel informasjon på tvers av tid. Mens FC sporer dynamisk endring univariate aktivering, spor IC dynamisk endring MVP discriminability – et mål på hvor godt en MVP sanne tilstand kan skilles fra (feil) alternativer. Viktigere, i than samme måte som ulike regioner kan vise tilsvarende nivåer av univariat svar til en tilstand til tross for å utføre forskjellige beregninger (f.eks, visuell prosessering eller handling planlegging når en person ser på menneskeskapte objekter), kan forskjellige regioner også har lignende (og synkronisert) nivåer av MVP discriminability mens de behandler forholdene annerledes. En fersk undersøkelse viste at IC kan avsløre inter-regional-tilkobling som ikke er synlig med en standard FC tilnærming 7. Etterforskerne kan derfor bruke IC å sondere interaksjoner mellom hjernen regioner som deltakere svare på forhold eller stimuli som har karakteristiske distribuerte mønstre. IC er forskjellig fra flere nyere tilkoblings programmer som undersøkte svingninger i univariat aktivering i forhold til klassifiseringsresultatene 8, 9. I motsetning til disse metodene, oppdager IC synkron multi-voxel mønster discriminability mellom regionene.
Informativ tilkobling har MVPA følsomhet for distribuert informasjon mønster, og gir en mulighet til å studere mellom-regionen interaksjoner gjennom en tilkobling tilnærming. MVPA og standard univariatanalyser kan hver avslører involvering av forskjellige regioner, noen ganger med litt overlapping mellom sine resultater en tre. Som forventet for en metode som bygger på disse analyse tilnærminger, IC og FC også gi utfyllende resultater syv. Beslutningen om å ansette IC til slutt vil avhenge av forholdene under etterforskning og de teoretiske spørsmål blir stilt. Design hensyn som avgjør om MVPA er gjennomført på et datasett vil også påvirke om IC brukes. Studier designet med IC eksplisitt i tankene vil ønske å følge anbefalinger for MVPA en fire, og samtidig sikre at rettssaken nivå data kan hentes ut fra hele skanningens tidsforløpet.
Når behandlingenog rapportering IC resultater, er det viktig at lyskastere overlappende med frøet er fjernet, for å unngå sirkularitet. I tillegg, hvis direkte sammenligning av IC og FC resultater, anbefales det også å sammenligne en FC-analyse basert på den midlere aktivering av lyskastere, i stedet for bare voksler. Dette ytterligere analyse kan sikre at eventuelle forskjeller mellom resultatene er ikke på grunn av forskjeller i nivåene av signal-til-støy i søkelys mot voxel.
Prosedyren er beskrevet her fokuserer først og fremst på en undersøkende analyse ansette søkelys. Det er verdt å merke seg at ved å erstatte lyskastere med regioner-of-interesse, kan IC også sammenligne regioner som er valgt en før jeg. Den nåværende discriminability metric – sammenligne en MVP korrelasjon for den "sanne" tilstand til korrelasjonen for maksimal alternativ tilstand – er også modifiserbare. Mange maskinlæring klassifiserere har prediksjon vekter for different klasser, noe som lett kunne erstatte korrelasjons sammenligninger utført her (f.eks, for å spore den "tillit" av en klassifikator over tid). IC har en rekke potensielle bruksområder. I tillegg til å være en primær analyse for å undersøke informasjonsnettverk, kan IC være en sekundær oppfølging analyse til en MVPA søkelys. MVPA lyskaster kart er verdifullt for å forstå hvilke regioner kan skille ulike forhold, men er vanligvis ikke delt opp i ulike nettverk. Den IC tilnærming kan hjelpe her, ved å avsløre som setter av lyskastere har synkron discriminability. Til slutt, kan IC kart fra forskjellige oppgaver sammenlignes for å forstå oppgave nettverk, og pasientene kan bli sammenlignet med kontroller for å bedre forstå hvordan multi-voxel forskjeller en 5 er manifestert på nettverksnivå.
The authors have nothing to disclose.
Vi takker Jim Haxby og kolleger for å gjøre sine data tilgjengelig for videre analyser. Marc N. Coutanche ble finansiert av et fellesskap fra Howard Hughes Medical Institute. Dette arbeidet ble støttet av NIH tilskudd R0I-DC009209 og R01-EY02171701 tildelt Sharon L. Thompson-Schill.