In this thesis, we investigate the effects of education on cognitive reserve using WM brain networks in order to support hypothesized neural mechanisms.
We first model a brain system as a WM brain network of which the node and edge sets represent the brain regions and the fiber tract bundles in WM connecting them, respectively.
To trace the boundary of each region, we develop a novel triangulation-invariant method for computing the anisotropic geodesic (AG) map under the metric of curvature-minimizing speed function on a mesh of the cerebral surface.
To make the fiber tracts in each edge have geometric homogeneity, we develop an example-based method for automatically classifying the fiber tracts into anatomic bundles according to their shapes and trajectories.
We then identify two sub-networks of WM brain networks of which the connectivities are correlated with education levels, based on a graph-theoretical notion of maximum flow.
We believe that these sub-networks be regarded as an important evidence that supports the education effects on cognitive reserve from a neural mechanism point of view.
The contributions of this thesis are three-fold:
First, we present a triangulation-invariant method for efficiently computing the AG map on a cerebral surface mesh to post process the boundary of a brain region.
Next, we propose an example-based method for automatic classification of WM fiber tracts to construct the edges connecting the nodes.
Finally, we identify two sub-networks to support hypothesized neural mechanisms, by analyzing the WM brain network based on maximum flow.
본 박사학위 논문은 인지능력 리저브 (cognitive reserve)의 신경 메커니즘 (neural mechanism)에 대한 가설을 뒷받침하기 위해, 백질 뇌 네트워크 (WM brain network)를 이용하여 인지능력 리저브에 대한 교육의 효과를 조사한다.
이를 위해, 먼저 뇌 시스템 (brain system)을 뇌의 영역들과 이를 연결하는 신경로 다발 (fiber tract bundle)들을 각각 노드 집합 (node set)과 에지 집합 (edge set)으로 하는 백질 뇌 네트워크로 모델링한다.
각 노드가 나타내는 뇌 영역의 경계를 추적 (trace)하기 위해, 뇌 곡면의 메쉬 (mesh)상에서 곡률 최소화 속도 함수 (curvature-minimizing speed function)라는 새로운 측정 기준 (metric)하에서 이방성 측지선맵 (anisotropic geodesic map)을 계산하기 위한 삼각분할 독립적인 방법 (triangulation-invariant method)을 개발한다.
같은 에지를 구성하는 신경로들 간에 기하학적 동질성을 보장하는 에지 집합을 구성하기 위해, 자동으로 신경로들을 그 모양과 경로에 따라 해부학적 다발 (anatomic bundle)들로 분류하기 위한 예제 데이터 기반 방법을 개발한다.
마지막으로, 그래프 이론 개념인 최대 흐름 (maximum flow)을 기반으로, 연결성이 교육 수준과 관련 있는 백질 네트워크의 두 서브 네트워크 (sub-network) 들을 식별한다.
이 서브 네트워크들은 신경 메커니즘 관점에서 인지능력 리저브에 대한 교육 효과를 지지하는 중요한 증거로 보여진다.
본 연구의 학술적 공헌은 세 가지로 요약할 수 있다:
첫째, 주어진 뇌 곡면 메쉬에서 이방성 측지선맵을 효율적으로 계산하기 위해 삼각분할에 독립적인 방법을 개발했고, 이를 이용해 노드가 나타내는 뇌 영역의 경계를 사후처리했다.
둘째, 뇌 영역들을 연결하는 에지 집합을 구성하기 위해 예제 데이터 기반 백질 신경로 자동 분류 기법을 제안했다.
마지막으로, 최대 흐름을 기반으로 백질 뇌 네트워크의 연결성을 분석함으로써, 인지능력 리저브의 신경 메커니즘에 대한 가설을 지지하는 두 서브 네트워크들을 식별했다.
