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 nu klart, at betingelsen-relevante oplysninger kan være til stede i distribuerede mønstre af funktionel magnetisk resonans (fMRI) hjernens aktivitet, selv for tilstande med tilsvarende niveauer af univariat aktivering. Multi-voxel mønster (MVP) analyse er blevet brugt til at afkode disse oplysninger med stor succes. FMRI efterforskere også ofte søger at forstå, hvordan hjernen regioner interagerer i sammenkoblede net, og bruge funktionel konnektivitet (FC) til at identificere regioner, som har korreleret respons over tid. Ligesom univariate analyser kan være ufølsom over for information i MVP'er, kan FC ikke fuldt ud at karakterisere de netværk i hjernen, der behandler forhold med karakteristiske MVP signaturer. Metoden beskrives her, informative tilslutningsmuligheder (IC), kan identificere områder med korrelerede ændringer i MVP-discriminability på tværs af tid, afslører konnektivitet, der ikke er tilgængelige for FC. Metoden kan være udforskende, ved hjælp af projektører til at identificere frø-connected områder, eller planlagt, mellem præ-udvalgte regioner-af-interesse. Resultaterne kan belyse netværk af regioner, der behandler MVP-relaterede forhold kan opdeling MVPA søgelys kort i separate netværk, eller kan sammenlignes på tværs opgaver og patientgrupper.
Målet med den her beskrevne analysemetode er at måle forbindelsen mellem hjernen regioner baseret på udsving i deres multi-voxel information. Fremskridt i funktionel magnetisk resonans (fMRI) analyseteknikker har afsløret, at en stor mængde information kan være indeholdt i blod-iltning niveau-afhængige (BOLD) aktivitet mønstre, der er fordelt på tværs af flere voxels 1-3. Et sæt af teknikker, der er følsomme over for multivariat information – kendt som multi-voxel mønster analyse (MVPA) – har været brugt til at vise, at forholdene kan have skelnes MVP'er trods skelnes univariate reaktioner 1,2,4. Standard analyser, der sammenligner univariate reaktioner, kan være ufølsom over for denne multi-voxel information.
Flere områder af hjernen er involveret, når mennesker behandler stimuli og udføre kognitive operationer. Funktionel konnektivitet (FC) er en metode, der almindeligvis anvendes til undersøgeregate sådanne funktionelle netværk 5,6. I sin mest basale form, FC kvantificerer co-aktivering, eller synkront, mellem forskellige voxler eller regioner. FC er blevet anvendt til at identificere funktionelt forbundne netværk i hjernen med stor succes. For mange regioner og vilkår dog univariate svar afspejler ikke alle de tilgængelige oplysninger inden BOLD aktivitet. FC teknikker, der sporer dynamisk skiftende univariate svarniveauet kan mangle følsomhed over for almindelige udsving i multi-voxel information. Analysen, der præsenteres her, informative tilslutningsmuligheder (IC, først beskrevet i et nyligt papir 7), bro en kløft mellem MVPA og FC, ved at måle tilslutning med en metrik, der er følsom over for multi-voxel information på tværs af tid. Mens FC spor dynamisk skiftende univariat aktivering, sporer IC dynamisk skiftende MVP discriminability – et mål for, hvor godt en MVP sande tilstand kan skelnes fra (forkerte) alternativer. Vigtigere er det, i than samme måde som forskellige regioner kan vise lignende niveauer af univariate svar til en tilstand til trods for at udføre forskellige beregninger (fx visuel forarbejdning eller handling planlægning, når en person ser menneskeskabte objekter), kan forskellige regioner også har lignende (og synkroniseret) niveauer af MVP discriminability mens de behandler forhold forskelligt. En nylig undersøgelse viste, at IC kan afsløre interregionale forbindelser, der ikke kan påvises med en standard FC tilgang 7. Efterforskere kan derfor benytte IC til sonde samspillet mellem hjernen regioner som deltagere reagere på forhold eller stimuli, der har karakteristiske distribuerede mønstre. IC adskiller sig fra flere nylige tilslutningsmuligheder applikationer, der undersøgte udsving i univariat aktivering i forhold til klassificeringsresultater 8, 9. I modsætning til disse tilgange, IC registrerer synkron multi-voxel mønster discriminability mellem regionerne.
Informational tilslutningsmuligheder har MVPA følsomhed over for distribueret mønster information, og giver en mulighed for at studere mellem-region interaktioner gennem en tilslutning tilgang. MVPA og standard univariate analyser kan hver afsløre inddragelse af forskellige regioner, til tider med lidt overlapning mellem deres resultater 1 3. Som forventet for en metode, der trækker på disse analyse tilgange, IC og FC giver også komplementære resultater 7. Beslutningen om, hvorvidt at ansætte IC vil i sidste ende afhænge af de betingelser, der undersøges, og de teoretiske spørgsmål bliver stillet. Design overvejelser, der påvirker, om MVPA foregår på et datasæt vil også påvirke, om IC anvendes. Undersøgelser designet med IC eksplicit i tankerne vil ønske at følge anbefalinger til MVPA 1 4, samtidig sikre, at data trial-niveau kan udtrækkes fra hele scanningens tidsforløbet.
Ved behandlingen afog rapportering IC resultater, er det vigtigt, at projektører overlappende med frøet er fjernet, for at undgå cirkularitet. Desuden, hvis direkte sammenligning af IC og FC resultater, anbefales det også at sammenligne en FC analyse baseret på den gennemsnitlige aktivering af projektører, snarere end blot voxels. Denne yderligere analyse kan sikre, at eventuelle forskelle mellem resultaterne er ikke på grund af forskelle i niveauet af signal-til-støj i søgelys versus voxels.
Den her beskrevne procedure fokuserer primært på en sonderende analyse beskæftiger søgelys. Det er værd at bemærke, at ved at erstatte projektører med regioner-af-interesse, kan IC også sammenligne regioner, der er udvalgt en forudgående jeg. Den nuværende discriminability metrisk – sammenligne en MVP korrelation til 'sande' tilstand til korrelation for den maksimale alternative tilstand – er også modificeres. Mange machine learning klassificører har forudsigelse vægte for different klasser, hvilket let kunne erstatte korrelationsparametrene sammenligninger udføres her (fx til at spore den "tillid" af et klassificeringen over tid). IC har en række potentielle anvendelser. Samt at det er en primær analyse for at undersøge oplysende netværk, kan IC være en sekundær opfølgning analyse til en MVPA søgelys. MVPA Searchlight kort er værdifulde for forståelse, som regionerne kan skelne mellem forskellige betingelser, men er ikke typisk opdelt i forskellige netværk. IC tilgang kan hjælpe her, ved at afsløre der sætter af søgelys har synkron discriminability. Endelig kan IC kort fra forskellige opgaver kan sammenlignes med henblik på at forstå opgave net og patienterne kan sammenlignes med kontroller til bedre at forstå hvordan multi-voxel forskelle 1 5 er manifesteret på netværksniveau.
The authors have nothing to disclose.
Vi takker Jim Haxby og kolleger for at gøre deres data til rådighed for yderligere analyser. Marc N. Coutanche blev finansieret af et stipendium fra Howard Hughes Medical Institute. Dette arbejde blev støttet af NIH tilskud R0I-DC009209 og R01-EY02171701 tildelt Sharon L. Thompson-Schill.