뇌는 그 자체로 시공간 상의 복잡한 망으로써 개별적이고 통합적인 정보 처리가 모두 이루어진다. 신경가소성은 개인의 경험에 따라 구성이 달라질 수 있는 뇌의 속성으로써 중단되거나 사라지지 않고 평생에 걸쳐 일어날 수 있다. 신경가소성은 뇌졸중 등 뇌 손상 환자들의 회복 기전을 뒷받침하는 기본적인 원리라고 알려졌지만 그 기본적인 기전이 아직 명확하게 밝혀지지 않았다. 본 연구 논문에서는 ...
뇌는 그 자체로 시공간 상의 복잡한 망으로써 개별적이고 통합적인 정보 처리가 모두 이루어진다. 신경가소성은 개인의 경험에 따라 구성이 달라질 수 있는 뇌의 속성으로써 중단되거나 사라지지 않고 평생에 걸쳐 일어날 수 있다. 신경가소성은 뇌졸중 등 뇌 손상 환자들의 회복 기전을 뒷받침하는 기본적인 원리라고 알려졌지만 그 기본적인 기전이 아직 명확하게 밝혀지지 않았다. 본 연구 논문에서는 신경영상과 그래프 이론 분석 방법을 사용하여 신경가소성을 탐구하는 데에 초점을 맞추었다. 먼저 뇌 자극 전후의 뇌 기능망의 차이, 휴식 상태 및 과제 수행 상태의 뇌 기능망의 차이, 뇌 기능망과 뇌 해부망 간의 차이 등 정상인의 뇌 신경망을 다양하게 탐색한 후, 이 결과를 바탕으로 뇌졸중 환자의 뇌 기능망의 시간에 따른 변화를 탐구함으로써 뇌 기능망의 구조적인 특성과 시간적인 변화의 관점에서 신경가소성을 설명하고자 하였다. 결과적으로, (1) 정상인 및 뇌졸중 환자, 정상인의 경우 뇌 기능망 및 뇌 해부망에 관계없이 뇌신경망은 small-world 망의 특성이 나타났다. (2) 구조적인 특성상, 정상인의 뇌 기능망은 뇌 해부망과 다르게 나타났고, 뇌 기능망의 경우 휴식 상태 뇌 기능망과 과제 수행 상태 뇌 기능망이 다르게 나타났으며, 특히 과제 수행 상태 뇌 기능망은 뇌 자극 전후에 다르게 나타났다. 영역들 간의 견고한 물리적 연결에 기반한 뇌 해부망은 뇌 전체 및 국소적 영역에서의 정보 전달이 효율적으로 이루어지고, 뇌 기능망 중 지속적인 뇌 활성에 기반한 휴식 상태 뇌 기능망은 잠정적인 뇌 활성에 기반한 과제 수행 상태 뇌 기능망에 비해 기능적으로 잘 분화된 구조가 나타나며 연결성이 높은 영역들끼리의 연결이 빈번하게 나타나는 것으로 나타났다. (3) 구조적인 특성상, 뇌졸중 환자의 휴식 상태 뇌 기능망은 정상인의 휴식 상태 뇌 기능망과 다르게 나타났고 뇌졸중 후 회복이 일어나는 과정에서 발병 후 1개월에 결정적인 변화가 있었다. 뇌의 기능적 재구성은 기능적으로 잘 분화된 구조를 다시 찾아나가는 과정으로 여겨지고 그러한 과정 중에 발병 1개월 후에 기능 특이적인 영역들이 수월하게 충분히 형성될 필요가 있는 것으로 보여진다. 뇌졸중 환자의 뇌 기능망은, 정상인의 뇌 기능망과 비교했을 때, 휴식 상태 뇌 기능망보다는 과제 수행 상태 뇌 기능망과 비슷한 양상을 보였고, 저조한 회복을 보인 뇌졸중 환자와 양호한 회복을 보인 뇌졸중 환자의 휴식상태 뇌 기능망의 차이는 정상인의 뇌 기능망과 뇌 해부망의 차이와 비슷하게 나타났다. 뇌졸중 환자의 회복 양상에 따라 뇌 기능망의 구조적인 특성이 구분되어 나타나서 개별 환자에 따른 예후를 파악할 수 있는 가능성이 있었다. 결론적으로, 본 연구 논문의 결과로써 뇌 신경망의 구조적인 특성과 시간에 따른 변화를 통해 신경가소성을 설명할 수 있는 가능성을 제시하였고, 특히 신경영상 데이터에 그래프 이론 분석 방법을 적용함으로써 기존의 뇌 연구 접근 방법들과 다른 관점에서 뇌의 작동 원리에 대한 이해를 증진시킬 수 있음을 보였다.
뇌는 그 자체로 시공간 상의 복잡한 망으로써 개별적이고 통합적인 정보 처리가 모두 이루어진다. 신경가소성은 개인의 경험에 따라 구성이 달라질 수 있는 뇌의 속성으로써 중단되거나 사라지지 않고 평생에 걸쳐 일어날 수 있다. 신경가소성은 뇌졸중 등 뇌 손상 환자들의 회복 기전을 뒷받침하는 기본적인 원리라고 알려졌지만 그 기본적인 기전이 아직 명확하게 밝혀지지 않았다. 본 연구 논문에서는 신경영상과 그래프 이론 분석 방법을 사용하여 신경가소성을 탐구하는 데에 초점을 맞추었다. 먼저 뇌 자극 전후의 뇌 기능망의 차이, 휴식 상태 및 과제 수행 상태의 뇌 기능망의 차이, 뇌 기능망과 뇌 해부망 간의 차이 등 정상인의 뇌 신경망을 다양하게 탐색한 후, 이 결과를 바탕으로 뇌졸중 환자의 뇌 기능망의 시간에 따른 변화를 탐구함으로써 뇌 기능망의 구조적인 특성과 시간적인 변화의 관점에서 신경가소성을 설명하고자 하였다. 결과적으로, (1) 정상인 및 뇌졸중 환자, 정상인의 경우 뇌 기능망 및 뇌 해부망에 관계없이 뇌신경망은 small-world 망의 특성이 나타났다. (2) 구조적인 특성상, 정상인의 뇌 기능망은 뇌 해부망과 다르게 나타났고, 뇌 기능망의 경우 휴식 상태 뇌 기능망과 과제 수행 상태 뇌 기능망이 다르게 나타났으며, 특히 과제 수행 상태 뇌 기능망은 뇌 자극 전후에 다르게 나타났다. 영역들 간의 견고한 물리적 연결에 기반한 뇌 해부망은 뇌 전체 및 국소적 영역에서의 정보 전달이 효율적으로 이루어지고, 뇌 기능망 중 지속적인 뇌 활성에 기반한 휴식 상태 뇌 기능망은 잠정적인 뇌 활성에 기반한 과제 수행 상태 뇌 기능망에 비해 기능적으로 잘 분화된 구조가 나타나며 연결성이 높은 영역들끼리의 연결이 빈번하게 나타나는 것으로 나타났다. (3) 구조적인 특성상, 뇌졸중 환자의 휴식 상태 뇌 기능망은 정상인의 휴식 상태 뇌 기능망과 다르게 나타났고 뇌졸중 후 회복이 일어나는 과정에서 발병 후 1개월에 결정적인 변화가 있었다. 뇌의 기능적 재구성은 기능적으로 잘 분화된 구조를 다시 찾아나가는 과정으로 여겨지고 그러한 과정 중에 발병 1개월 후에 기능 특이적인 영역들이 수월하게 충분히 형성될 필요가 있는 것으로 보여진다. 뇌졸중 환자의 뇌 기능망은, 정상인의 뇌 기능망과 비교했을 때, 휴식 상태 뇌 기능망보다는 과제 수행 상태 뇌 기능망과 비슷한 양상을 보였고, 저조한 회복을 보인 뇌졸중 환자와 양호한 회복을 보인 뇌졸중 환자의 휴식상태 뇌 기능망의 차이는 정상인의 뇌 기능망과 뇌 해부망의 차이와 비슷하게 나타났다. 뇌졸중 환자의 회복 양상에 따라 뇌 기능망의 구조적인 특성이 구분되어 나타나서 개별 환자에 따른 예후를 파악할 수 있는 가능성이 있었다. 결론적으로, 본 연구 논문의 결과로써 뇌 신경망의 구조적인 특성과 시간에 따른 변화를 통해 신경가소성을 설명할 수 있는 가능성을 제시하였고, 특히 신경영상 데이터에 그래프 이론 분석 방법을 적용함으로써 기존의 뇌 연구 접근 방법들과 다른 관점에서 뇌의 작동 원리에 대한 이해를 증진시킬 수 있음을 보였다.
The brain, as it is, is a complex network on multiple spatial and time scales, and, as it does, supports both segregated and distributed information processing. A small-world topology characterized by dense local clustering of connections between neighboring vertices has been proposed as an attracti...
The brain, as it is, is a complex network on multiple spatial and time scales, and, as it does, supports both segregated and distributed information processing. A small-world topology characterized by dense local clustering of connections between neighboring vertices has been proposed as an attractive model for brain networks. The organization of the brain can be changed as a result of experiences. This neuroplasticity is the lifelong ability of the brain, and has been known to support the basis for recovery after stroke. In this thesis, I focused on the study of neuroplasticity based on graph theoretical analysis of neuroimaging data. First, I investigated various types of normal subjects` brain networks and compared them: brain functional networks before and after brain stimulation, brain functional networks during the resting-state and the task-performing state, and brain functional networks and brain anatomical networks. As results, small-world properties of brain networks were confirmed, irrespective of modalities of the networks. Also, with respect to structural properties, brain functional networks were different from brain anatomical networks. Even in brain functional networks, there were differences in the task-performing state between before and after brain stimulation, and the resting-state was distinct from the task-performing state. As for stroke patients` brain functional networks, they were changeable during recovery from stroke. It is proposed that, in terms of normal subjects` brain functional networks, stroke patients` resting-state brain functional networks have structural properties like task-performing state brain functional networks, rather than resting-state brain functional networks, in normal subjects. Moreover, in an aspect of structural properties, the relation of resting-state brain functional networks in stroke patients with poor recovery to those in stroke patients with good recovery is analogous to the relation of brain functional networks to brain anatomical networks in normal subjects. The brain is reorganized during stroke recovery potentially in such a way that task-specific systems are reconstructed in brain functional networks through assortative mixing. With these results, I present a possibility for explaining neuroplasticity in terms of structural properties and temporal dynamics of brain functional networks from neuroimaging.
The brain, as it is, is a complex network on multiple spatial and time scales, and, as it does, supports both segregated and distributed information processing. A small-world topology characterized by dense local clustering of connections between neighboring vertices has been proposed as an attractive model for brain networks. The organization of the brain can be changed as a result of experiences. This neuroplasticity is the lifelong ability of the brain, and has been known to support the basis for recovery after stroke. In this thesis, I focused on the study of neuroplasticity based on graph theoretical analysis of neuroimaging data. First, I investigated various types of normal subjects` brain networks and compared them: brain functional networks before and after brain stimulation, brain functional networks during the resting-state and the task-performing state, and brain functional networks and brain anatomical networks. As results, small-world properties of brain networks were confirmed, irrespective of modalities of the networks. Also, with respect to structural properties, brain functional networks were different from brain anatomical networks. Even in brain functional networks, there were differences in the task-performing state between before and after brain stimulation, and the resting-state was distinct from the task-performing state. As for stroke patients` brain functional networks, they were changeable during recovery from stroke. It is proposed that, in terms of normal subjects` brain functional networks, stroke patients` resting-state brain functional networks have structural properties like task-performing state brain functional networks, rather than resting-state brain functional networks, in normal subjects. Moreover, in an aspect of structural properties, the relation of resting-state brain functional networks in stroke patients with poor recovery to those in stroke patients with good recovery is analogous to the relation of brain functional networks to brain anatomical networks in normal subjects. The brain is reorganized during stroke recovery potentially in such a way that task-specific systems are reconstructed in brain functional networks through assortative mixing. With these results, I present a possibility for explaining neuroplasticity in terms of structural properties and temporal dynamics of brain functional networks from neuroimaging.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.