대뇌 형태 기반 네트워크의 특성 연구

Abstract

Morphometric-based correlation networks have been commonly constructed using divergent structural phenotypes such as cortical thickness, cortical surface area, and gray matter volume to investigate the patterns of large-scale structural association between brain regions. Network parameters summarize an entire topology down to a single number such as clustering coefficient, characteristic path length, global network efficiency, and small-worldness. Furthermore, the network parameters provide a global measure for an entire topology and local measures allowing the edge properties for a node, and are thus attractive because of their simplicity; however, they can only compare the networks statistically. By contrast, the correlation pattern of the network itself could provide a complementary insight to compare the topology of different structural phenotypes. For example, the correlation patterns of the networks reveal the spatial distribution of the edges and can detect the edge-based similarity in topological features inherent in each network. This study aims at examining the several network parameters and characteristics of the correlation patterns in three morphometric networks of cortical thickness, surface area, and gray matter volume using a Venn diagram concept across 314 normal subjects from the Open Access Series of Imaging Studies dataset. In the results, over 60% of all nonoverlapping correlation patterns were emerged from divergent unique patterns, while there were 10% of all common edges of ipsilateral and homotopic regions among three morphometric correlation networks. This study showed that morphometric correlation networks of distinct structural phenotypes had different correlation patterns and different network properties. This finding implies that the topology of each morphometric correlation network may reflect different aspects of each morphometric descriptor.|대뇌 형태 측정 기반의 네트워크는 대뇌 피질의 두께, 표면적의 넓이, 회백질의 부피 등 다양한 구조적 표현형으로 구성하여 거시적인 관점에서 두 영역간의 관련성을 뇌의 연결망으로써 속성을 관찰 할 수 있다. 뇌 연결망은 뇌의 각 영역을 노드로 정의하고, 두 영역 간의 관련성을 에지로 구성한다. 뇌 연결망의 토폴로지 특성은 군집 정도, 평균 이동 거리, 연결망의 효율성, 그리고 작은 세상 속성 등 여러 연결망 속성으로 정량화 할 수 있다. 이러한 연결망 속성은 노드 기준으로 각 뇌 영역에서 연결된 특성을 정량화 하거나 혹은 전체 특성을 하나의 값으로 요약 할 수 있는 장점이 있다. 하지만, 정량화된 연결망 속성은 통계적인 비교를 통한 접근으로 차이점을 이해 하는데 한계점이 있다. 이와는 대조적으로, 연결망을 구성하는 연결 패턴의 특성은 연결성 자체를 직접적으로 분석한다는 점에서 다르다. 예를 들면, 연결망을 구성하는 연결의 공간적인 분포와 유사성을 정량화 할 수 있다. 본 연구에서는 대뇌 피질의 두께, 표면적의넓이, 회백질의 부피 등 서로 다른 세가지 구조적 표현형으로 구성한 뇌 연결망의 속성과 연결망을 구성하는 뇌 영역 간 상호 관련성의 패턴 특성을 정량화하여 관찰하였다. 314명의 공개된 자기공명영상 데이터를 이용하였고, 벤 다이어그램 개념을 적용하여 연결에 대한 패턴 특성을 구분하여 평가하였다. 실험결과에서 세가지 구조적 표현형으로 구성한 뇌 연결망은 노드 관점에서 연결망 속성이 통계적으로 다름을 확인하였다. 그리고 에지 관점에서 세 가지 뇌 연결망은 60% 이상의 서로 다른 연결성 패턴을 보이며, 10% 정도의 동일한 연결성 패턴이 있음을 관찰하였다. 이러한 차이는 서로 다른 대뇌 형태의 구조적 표현형이 갖고 있는 고유한 유전적 특성이 연결망에 반영된 것으로 보이며, 동일한 연결성 패턴은 해부학적으로 연결된 뇌 신경다발의 직접적인 연결에 의해 영향을 받은 것으로 보인다. 또한 세가지 뇌 연결망은 연결망을 구성하는 연결 패턴이 다르게 구성되어 있기 때문에, 이로 인해 연결망 속성이 달라지는 것을 알 수 있다. 본 연구는 연결망 속성이 제공하는 정보의 한계점을 보완 하고자 연결망을 구성하는 연결 패턴을 정량적으로 평가하여 대뇌 형태 측정 기반의 뇌 연결망에 대한 새로운 특성을 발견하고 이해를 확장했다는 데 의미가 있다.; however, they can only compare the networks statistically. By contrast, the correlation pattern of the network itself could provide a complementary insight to compare the topology of different structural phenotypes. For example, the correlation patterns of the networks reveal the spatial distribution of the edges and can detect the edge-based similarity in topological features inherent in each network. This study aims at examining the several network parameters and characteristics of the correlation patterns in three morphometric networks of cortical thickness, surface area, and gray matter volume using a Venn diagram concept across 314 normal subjects from the Open Access Series of Imaging Studies dataset. In the results, over 60% of all nonoverlapping correlation patterns were emerged from divergent unique patterns, while there were 10% of all common edges of ipsilateral and homotopic regions among three morphometric correlation networks. This study showed that morphometric correlation networks of distinct structural phenotypes had different correlation patterns and different network properties. This finding implies that the topology of each morphometric correlation network may reflect different aspects of each morphometric descriptor.