[논문]뇌기능 연결성 모델링을 위한 통계적 방법

김성호; 박창현

doi:10.5351/kjas.2016.29.6.1129

뇌기능 연결성 모델링을 위한 통계적 방법
Statistical methods for modelling functional neuro-connectivity 원문보기

응용통계연구 = The Korean journal of applied statistics, v.29 no.6, 2016년, pp.1129 - 1145

김성호 (한국과학기술원 수리과학과) , 박창현 (이화여자대학교 뇌융합과학연구원)

초록
AI-Helper

뇌기능 연결성 문제는 뇌의 신경역학적 현상과 밀접한 관련이 있다는 의미에서 뇌과학에서 주요 연구주제이다. 본 논문에서는 기능적 자기공명영상(fMRI)자료를 뇌활동에 대한 반응 자료의 주요 형태로써 선택하였는데, 이 fMRI자료는 높은 해상도 때문에 뇌과학 연구에서 선호되는 자료 형태이다. 뇌활동에 대한 생리학적 반응을 측정해서 자료로 사용한다는 전제하에서 뇌의 기능적 연결성을 분석하는 방법들을 고찰하였다. 여기서의 전제란 상태공간 및 측정 모형을 다룬다는것을 의미하는데, 여기서 상태공간 모형은 뇌신경역학을 표현한다고 가정한다. 뇌기능 영상자료의 분석은 무엇을 측정하였느냐에 따라서 분석방법과 그 해석이 조금씩 달라진다. 실제 fMRI자료를 고차원 자기회귀모형을 적용해서 분석한 결과를 논문에 포함하였는데, 이 결과를 통해서 서로 다른 도형문제를 푸는데 서로 다른 뇌신경 역학관계가 요구된다는 것을 엿볼 수 있었다.

Abstract ▼ AI-Helper

Functional neuro-connectivity is one of the main issues in brain science in the sense that it is closely related to neurodynamics in the brain. In the paper, we choose fMRI as a main form of response data to brain activity due to its high resolution. We review methods for analyzing functional neuro-connectivity assuming that measurements are made on physiological responses to neuron activation. This means that we deal with a state-space and measurement model, where the state-space model is assumed to represent neurodynamics. Analysis methods and their interpretation should vary subject to what was measured. We included analysis results of real fMRI data by applying a high-dimensional autoregressive model, which indicated that different neurodynamics were required for solving different types of geometric problems.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 통계적 분석이 가장 활발히 이루어지는 자료 유형 중의 하나인 fMRI에 초점을 맞춰 데이터 분석 방법을 소개하고자 한다. 다른 후)반응 변화에">반응변화에 대한 분석을 하였다. 영역 세분화에 의한 분석을 통해서 전통적으로 사용되어 온 해부학적 뇌 영역의 기능적 특징을 보다 구체적으로 밝힐 수 있다는 가능성을 확인해주는 연구결과이다. 뇌기능
제안 방법
- 후)측정모형함수">측정모형 함수 h가 달라질 수 있다. EEG와 MEG는 각각 뇌신경회로를 흐르는 전류에 대해서 전압의 변화와 전자기장의 변화를 측정하고, fMRI는 BOLD변화를 측정한다. 이런 이유로 베이즈 방법-2를 실제 fMRI자료에 적용해서 뇌기능 인과적 연결성 모형을 개발하였는데, 여기서 fMRI자료는 27명의 대학생들을 대상으로 수집한 자료를 바탕으로 하였다. 자료 후)베이즈 접근법으로">베이즈접근법으로 다루었다. 여기에서는 잡음분포를 하나의 정규분포로 하지 않고 혼합형 정규분포를 가정함으로써 VAR모형의 적용범위를 확장하였으며, 모형의 회귀계수와 잡음의 분산구조에 대한 선험분포를 설정하였다.
- 후)피험자 가">피험자가 운동과 휴식을 주기적으로 반복하는 중에 fMRI 데이터를 얻을 수 있다. 이 예제에서는 3초 동안 뇌 전체의 3차원 영상을 한 스캔씩 얻도록 하여 300초에 걸쳐 총 100스캔을 얻도록 계획되어 있다.
- 후)뇌기능인과적">뇌기능 인과적 연결성 모형을 개발하였는데, 여기서 fMRI자료는 27명의 대학생들을 대상으로 수집한 자료를 바탕으로 하였다. 자료 수집시에 도형문제를 풀게 하였는데, 총 5가지 유형의 도형문제를 사용하였다. 이 유형의 예시가 Figure 4.
이론/모형
- 후)뇌 영역을">뇌영역을 통한 간접적 영향에 의해 통계적 상관관계는 있을 수 있기 때문이다. Figure 3.2의 오른쪽 그림에 표현한 세 뇌영역 간의 실질적 연결성은 동적 인과 모형(dynamic causal model; DCM) (Friston 등, 2003; Penny 등, 2004)을 이용하여 추정한 것이다.
- 후)표본 크기는">표본크기는 T = 21이다. 뇌 영역은 총 82개의 브로드만 영역(Brodmann area)으로 나눠서 이 영역간 활성화의 인과적 관계를 보기 위해서 VAR모형을 적용하였다. 따라서 이 자료에 대한 VAR모형은 T = 21, d = 82이다.
- 실제 측정한 fMRI 신호는 흔히 설명 변수의 선형 결합에 정규분포를 따르는 백색 오차를 더해서 나타낸다. 이를 위해서, 일반 선형 모형(general linear model; GLM)을 주로 이용한다 (Friston 등, 1995).
- 자료수집에 사용한 장비는 ISOL FORTE scanner(ISOL Technology, Korea)이고 3 Tesla로 작동되었고, 수집방식은 T2∗single-shot echo-planar imaging(EPI) sequence 방식이다.

성능/효과

따라서 이 자료에 대한 VAR모형은 T = 21, d = 82이다. 분석 결과 모형의 시차도수 p = 1이 최적임을 확인하였다. 따라서 추정할 회귀계수는 총 82² + 82 = 6806개이다.
후)유의 수준을">유의수준을 적용한 후 얻은 것이다. 이 예제에서는 운동 과제 수행 중 일차 운동 피질(primary motor cortex; M1), 전운동 영역(premotor area; PMA), 운동 보조 영역(supplementary motor area; SMA) 등 운동 피질 상의 여러 뇌영역의 활성이 나타났음을 보여준다.

후속연구

후)소극별 신경원,">소극별신경원, 피라미드 세포에 따른 계층적인 연결성까지를 기술하는 것이 가능할 것이다. 궁극적으로 정교한 신경세포 수준 모델에 기반하여 신경영상 자료를 보다 정확하게 분석할 수 있고, 신경영상 자료의 분석 결과를 바탕으로 신경세포 수준에서의 뇌 기능을 제대로 이해할 수 있게 될 것이다.
후)뇌기능을">뇌 기능을 이해하는 것이 가능했지만 이러한 침습적인 방법을 사람에게 적용하는 데에는 한계가 있다. 그렇지만 fMRI, EEG, MEG 자료 등에 의한 거시적 수준에서의 현상들을 미시적인 수준의 현상들과 결합시킬 수 있다면 사람의 뇌기능에 대한 이해가 통합적인 뇌기능뿐 아니라 세분화된 국소적인 기능에 이르기까지 확대되고 정교화될 것이다. 이를 위한 통계적 이론과 방법론의 개발은 그 어느 때보다 절실한 상황이다.
더">2008). 더 나아가 신경세포의 종류에 따라 그 특성이 다르므로 흥분성 신경세포를 소극별신경원(spiny stellate cells) 과 피라미드 세포(pyramidal cells)로 세분화하여 억제성 신경세포, 소극별신경원, 피라미드 세포에 따른 계층적인 연결성까지를 기술하는 것이 가능할 것이다. 궁극적으로 정교한 신경세포 수준 모델에 기반하여 그런 반면에 활동 변화 탐지의 민감도는 좀 떨어지지만 공간적 해상도에서는 fMRI가 높게 나온다. 따라서 다른 장치들에서의 측정 결과를 결합해서 활용하면 시공간적 해상도를 높이는 데 도움이 될 것이다.
이러한 뇌영역 세분화는 향후 뇌과학에서 고차원 모델링을 위한 수학 및 통계적 방법론 개발의 필요성을 요구하고 있다. 고차원 모델링은 많은 후)신경섬유 다발">신경섬유다발 추적에 의해 사람에서도 비침습적으로 해부학적 연결성을 가시화할 수 있기 때문에, 기능적 연결성과 해부학적 연결성을 확인할 수 있다. 이러한 해부학적 신경섬유 정보를 기능적으로 연관된 뇌 영역들 사이의 실질적 연결성을 기술하는 모델에 체계적으로 반영할 수 있다면 더욱 유용한 모델을 개발할 수 있을 것이다 (Kim 등, 2006).

질의응답

핵심어	질문	논문에서 추출한 답변
	서양에서의 골상학은 누구에 의해서 정립되었는가?	서양에서의 골상학(phrenology)은 독일의 생리학자인 Gall(Franz Josef Gall, 1758–1828)에 의해서 정립되었는데 19세기에 유럽에서 활발하게 이용되었으나 오늘날은 유사과학으로 분류되어있다. Gall에 의한 골상학의 기본 전제는 사람의 생각, 행동, 감정 등을 관장하는 일이 뇌의 서로 다른 부위에서 이루어진다는 것이다.
	뇌기능 연결성 문제는 어떤 의미에서 뇌과학에서 주요 연구주제인가?	뇌기능 연결성 문제는 뇌의 신경역학적 현상과 밀접한 관련이 있다는 의미에서 뇌과학에서 주요 연구주제이다. 본 논문에서는 기능적 자기공명영상(fMRI)자료를 뇌활동에 대한 반응 자료의 주요 형태로써 선택하였는데, 이 fMRI자료는 높은 해상도 때문에 뇌과학 연구에서 선호되는 자료 형태이다.
	뇌의 국소기능을 찾는 것이 뇌과학의 중요한 주제였던 이유는?	Gall에 의한 골상학의 기본 전제는 사람의 생각, 행동, 감정 등을 관장하는 일이 뇌의 서로 다른 부위에서 이루어진다는 것이다. 즉, 뇌의 각 부위는 고유의 기능이 있다는 것이다. 이러한 이유로 뇌의 국소기능을 찾는 것이 뇌과학의 중요한 주제였었다.

참고문헌 (34)

Absher, J. R. and Benson, D. F. (1993). Disconnection syndromes: an overview of Geschwind's contributions. Neurology, 43, 862-867.

상세보기
Astolfi, L., Cincotti, F., Mattia, D., Salinari, S., Babiloni, C., Basilisco, A., Rossini, P. M., Ding, L., Ni, Y., He, B., Marciani, M. G., and Babiloni., F. (2004). Estimation of the effective and functional human cortical connectivity with structural equation modeling and directed transfer function applied to high-resolution EEG. Magnetic Resonance Imaging, 22, 1457-1470.

상세보기
Buchel, C., Friston, K. J. (1997). Modulation of connectivity in visual pathways by attention: cortical interactions evaluated with structural equation modelling and fMRI. Cerebral Cortex, 7, 768-778.

상세보기
Bullmore, E. and Sporns, O. (2009). Complex brain networks: graph theoretical analysis of structural and functional systems. Nature Reviews Neuroscience, 10, 186-198.

상세보기
Churchland, P. S. and Sejnowski, T. J. (1998). Perspectives on cognitive neuroscience. Science, 242, 741-745.
Daunizeau, J., Kiebel, S. J., and Friston, K. J. (2009). Dynamic causal modelling of distributed electromagnetic responses. Neuroimage, 47, 590-601.

상세보기
Deshpande, G., Sathian, K., and Hu, X. (2010). Assessing and compensating for zero-lag correlation effects in time-lagged Granger causality analysis of FMRI. IEEE Transactions on Biomedical Engineering, 57, 1446-1456.

상세보기
Friston, K. J. (2005). Models of brain function in neuroimaging. Annual Review of Psychology, 56, 57-87.

상세보기
Friston, K. J. (2011). Functional and effective connectivity: a review. Brain Connectivity, 1, 13-36.

상세보기
Friston, K. J., Bastos, A. M., Oswal, A., van Wijk, B., Richter, C., and Litvak, V. (2014). Granger causality revisited. NeuroImage, 101, 796-808.

상세보기
Friston, K. J., Harrison, L., and Penny, W. (2003). Dynamic causal modelling. NeuroImage, 19, 1273-1302.

상세보기
Friston, K. J., Holmes, A. P., Worsley, K. J., Poline, J. B., Frith, C. D., and Frackowiak, R. S. J. (1995). Statistical parametric maps in functional imaging: a general linear approach. Human Brain Mapping, 2, 189-210.
Genovese, C. R., Lazar, N. A., and Nichols, T. (2002). Thresholding of statistical maps in functional neuroimaging using the false discovery rate. Neuroimage, 15, 870-878.

상세보기
Goebel, R., Roebroeck, A., Kim, D. S., and Formisano, E. (2003). Investigating directed cortical interactions in time-resolved fMRI data using vector autoregressive modeling and Granger causality mapping. Magnetic Resonance Imaging, 21, 1251-1261.

상세보기
Goltz, F. (1881). Transactions of the 7th International Medical Congress (MacCormac ed.), I, 218-228, JW Kolkmann, London.
Haxby, J. V., Guntupalli, J. S., Connolly, A. C., Halchenko, Y. O., Conroy, B. R., Gobbini, M. I., Hanke, M., and Ramadge, P. J. (2011). A common, high-dimensional model of the representational space in human ventral temporal cortex. Neuron, 72, 404-416.

상세보기
Huettel, S. A., Song, A. W., and McCarthy, G. (2009). Functional Magnetic Resonance Imaging (Vol. 1), Sinauer Associates, Sunderland.
Kim, J., Zhu, W., Chang, L., Bentlerm P. M., and Ernst, T. (2006). Unified structural equation modeling approach for the analysis of multisubject, multivariate functional MRI data. Human Brain Mapping, 28, 85-93.
Lee, N., Choi, H., and Kim, S.-H. (2016a). Bayes shrinkage estimation for high-dimensional VAR models with scale mixture of normal distributions for noise. Computational Statistics & Data Analysis, 101, 250-276.

상세보기
Lee, N., Kim, A.-Y., Park, C.-H., and Kim, S.-H. (2016b). An Improvement on Local FDR Analysis Applied to Functional MRI Data. Journal of Neuroscience Methods, 267, 115-125.

상세보기
Logothetis, N. K. (2008). What we can do and what we cannot do with fMRI. Nature, 453, 869-878.

상세보기
Marreiros, A. C., Kiebel, S. J., and Friston, K. J. (2008). Dynamic causal modelling for fMRI: A two-state model. NeuroImage, 39, 269-278.

상세보기
Marrelec, G., Kim, J., Doyon, J., and Horwitz, B. (2009). Large-scale neural model validation of partial correlation analysis for effective connectivity investigation in functional MRI. Human Brain Mapping, 30, 941-950.

상세보기
McIntosh, A. and Gonzales-Lima, F.(1994). Structural equation modeling and its application to network analysis in functional brain imaging. Human Brain Mapping, 2, 2-22.

상세보기
Ni, S. and Sun, D. (2005). Bayesian estimates for vector autoregressive models. Journal of Business and Economic Statistics, 23, 105-117.

상세보기
Nichols, T. and Hayasaka, S. (2003). Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research, 12, 419-446.

상세보기
Opgen-Rhein, R. and Strimmer, K. (2007). Learning causal networks from systems biology time course data: an effective model selection procedure for the vector autoregressive process. BMC Bioinform, 8, S3.
Penny, W. D., Stephan, K. E., Mechelli, A., and Friston, K. J. (2004). Modelling functional integration: a comparison of structural equation and dynamic causal and models. NeuroImage, 23, 264-274.

상세보기
Schafer, J. and Strimmer, K. (2005). A shrinkage approach to large-scale covariance matrix estimation and implications for functional genomics. Statistical Applications in Genetics and Molecular Biology, 4, 32.

상세보기
Smith, S. M., Miller, K. L., Salimi-Khorshidi, G., Webster, M., Beckmann, C. F., Nichols, T. E., Ramsey, J. D., and Woolrich, M. W. (2011). Network modelling methods for FMRI. NeuroImage, 54, 875-891.

상세보기
Staum, M. (1995). Physiognomy and phrenology at the Paris Athenee. Journal of the History of Ideas, 56, 443-462.

상세보기
Stephan, K. E. and Friston, K. J. (2011). Analyzing effective connectivity with fMRI. Wiley Interdisciplinary Reviews: Cognitive Science, 1, 446-459.
Strimmer, K. (2008). ftrtool: a versatile R package for estimating local and tail area-based false discovery rates. Bioinformatics, 24, 1461-1462.

상세보기
Zhou, D., Thompson, W. K., and Siegle, G. (2009). MATLAB toolbox for functional connectivity. Neuroimage, 47, 1590-1607.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증