The resting state is a condition where, as the name suggests, the subject being studied is lying motionless, or “resting,” during the duration of data acquisition. In the absence of any overt task, the brain is not silent. On the contrary, there is a large degree of neuronal activity, or spontaneous fluctuations, which exists throughout the brain during the resting state. Resting state analysis examines the correlation in these spontaneous fluctuations between regions of the brain. Studies have shown that regions of the brain which activate during a specific task also share a high degree of correlation of spontaneous activity. In addition, many major brain networks have shown to have highly correlated temporal patterns during the resting state. These patterns have consistently been reproduced across numerous studies and are commonly referred to as “resting state networks.” These resting state networks are thought to reflect the energy demands of neuronal populations which share a common functional purpose.
Since the discovery of resting fMRI, there have been two main methods of analysis of resting fMRI data. This study will address improvements in these two methods. The first part of this dissertation will involves improvements to independent component analysis (ICA). Localizing the region of analysis to target areas of the brain made isolation of specific sub-networks more efficient and consistent. In addition it offers a method for creating functional ROIs for each individual and can be used for functional brain segmentation. The second part of my dissertation explores the use of creating subject-specific ROIs and how ROI selection can affect calculated network connectivity. This dissertation will show that by subject-specific analysis will reveal higher calculated functional connectivity and lower variance compared to existing methods. In addition, this dissertation will show that the method of the importance of ROI selection has on data interpretation in ageing. Particularly I will show how different ROI selection methods will lead to different results in changes in functional connectivity with ageing. Finally, to prove applicability of a subject-specific wise approach in a clinical setting, classification analysis of early Alzheimer’s disease (AD) was performed in part three. Classification analysis shows higher accuracy using subject-specific ROIs and compared to tradition methods. This offers immediate applicability for using resting fMRI as a reliable biomarker for early AD with promise for other neurological diseases or disorders as well.
More than anything this dissertation aims to illustrate problems with existing methods of resting fMRI analysis and the need to take into account individual variability to create more accurate representative functional connections between nodes of major brain networks for each individual. This will increase our understanding of brain connectivity as well as increase applicability of resting fMRI as a biomarker for neurological disease and disorders.
휴지상태는 이름에서 알 수 있듯이, 피험자가 움직이지 않는 상태 또는 휴식 상태에서 데이터를 얻는 조건을 말한다. 명백한 태스크가 없는 상태에서도, 뇌는 침묵하고 있지 않다. 반대로, 휴지 상태 동안에 높은 신경 활동과 지속적인 활동 변동이 존재한다. 휴식 상태에서의 분석은 이러한 지속적인 신경 활동의 변동이 얼마나 다른 뇌 영역 사이에 연관성이 있는지를 알아 내는 것이다. 기존 연구들을 통해 어떤 특정 태스크에서 활동하는 뇌 영역들은 신경 활동 변동도 높은 연관성을 가지는 것이 알려졌다. 덧붙여, 휴지상태에서도 많은 주요 뇌 네트워크들은 지속적인 연관된 패턴을 보인다. 이러한 패턴들은 많은 연구들을 통해 ‘휴지기 네트워크’라는 이름으로 공통적으로 발견된다. 이러한 휴지기 네트워크들은 공통의 기능을 가지는 신경세포 군의 에너지 수요를 반영한다고 생각된다.
휴지기 fMRI가 발견된 이후로 크게 두 가지 분석방법이 사용된다. 본 연구는 이 두 가지 방법의 개선점을 전달한다. 본 논문의 첫 번째 파트는 독립 성분 분석 (ICA)의 개선이다. 목표 영역으로 분석 영역을 국한시키는 방법은 특정 서브 네트워크를 좀더 효율적이고 일정하게 분리할 수 있도록 한다. 게다가 기능적 뇌 영역을 정의할 때, 개인간의 기능적 관심 뇌 영역을 구하는데 도움이 된다. 두 번째 파트는 subject-specific ROI의 사용과 기능적 연결성 계산에서의 영향을 살펴본다. 본 논문은 subject-specific 분석이 기존의 방법들 보다 높은 값의 기능적 연결성을 얻어내고 낮은 분산을 가지는 것을 보여준다. 게다가 노화에서의 데이터 분석을 통해 ROI 선정의 중요성을 보여준다. 특별히, 기능적 연결성이 서로 다른 분석방법에 따라 변화하는 것을 보여준다. 마지막 세 번째 파트에서, 임상적으로 subject-specific 방법이 어떻게 응용되는 지를 증명하기 초기 알츠하이머 병의 진단 분석을 진행하였다. 진단 분석을 통해 subject-specific ROI가 기존의 방법에 비해 더 높은 정확성을 가지는 것을 보여준다. 이 결과는 초기 알츠하이머 병 진단에서 휴지기 fMRI 분석이 바이오마커로의 즉각적인 응용이 가능할 것임을 보여주고, 다른 신경퇴행성 질환에의 적용 가능성도 보여준다.
본 논문은 기존의 휴지기 fMRI분석의 문제를 보여주고 개인간의 변동성을 고려하여 좀더 정확한 기능적 연결성 분석의 필요성을 묘사하고 있다. 이것은 우리의 뇌 연결성의 이해를 더 높여주고 휴지기 fMRI의 신경질환들에서의 바이오마커로의 응용 가능성을 높여줄 것이라 기대한다.
