Dynamic change of hierarchical core voxels of functional brain network in aging

Abstract

Many methods were developed to assess the functional intervoxel connectivity to discover and better understand the brain function in individuals. In this study, k-core percolation method was assessed to reveal the dynamic hierarchical structure on resting-state fMRI (rsfMRI) on voxel-level and the feasibility of the method was evaluated by applying it in the aging process.

Total 70 individuals were included in this study, 32 individuals from Alzheimers Disease Neuroimaging Initiative (ADNI) and 38 individuals from Seoul National University (SNU). K-core percolation method, a voxel-based approach was applied to reveal the hierarchical structure of voxels in the brain. kmax-core and coreness k values derived from k-core percolation characterizing the time-varying core voxels were visualized on various plots to visualize the dynamic hierarchical structure more intuitively. Independent component analysis (ICA) was carried out to label the associated functional independent components (IC) of the identified voxel. Analysis was done in both static and dynamic studies, and in positive and negative correlations. Coreness k value map overlaid on brain T1 MRI was generated for further evaluation of the distribution of coreness k values.

Dynamic hierarchical structure of voxels visualized on various plots revealed time-varying change of kmax-core voxels and coreness k values, reflecting the dynamic change of brain function in an individual, which was not fully reflected on static functional connectivity. Dynamic flow pattern was different in positive and negative correlations, portraying the dynamic brain function in different neuronal networks. Coreness k value map revealed altered distribution of coreness k values in the brain. Asymmetric, unsynchronized distribution was deteriorated in the aging process. This asymmetry detected on dynamic coreness k map was assessed quantitatively by measuring asymmetry index, which revealed distinctive difference between young and aged healthy control group. The difference was more evident on dynamic study than static study. Also, as the age increased, coreness k values from static and dynamic studies decreased in all IC regions, which represents decreased connectivity in aging.

Investigation of dynamic functional connectivity with k-core percolation on voxel-level revealed dynamic hierarchical structure of voxels, reflecting the time-varying brain function in individuals. Dynamic functional connectivity is more appropriate to investigate ones brain function, since it contains the time-varying information which is not well reflected on static functional connectivity. With this method, characteristics of dynamic hierarchical structure of an individual can be discovered and have shown possibility of further clinical application.

그동안 뇌 기능을 보다 더 잘 이해하고 분석하기 위해 다양한 분석 방법들이 개발되었다. 이 연구에서는 K코어추출법이라는 방식을 적용하여 휴지기 뇌기능자기공명영상에서 역동적 위계 구조를 복셀 단위에서 밝혀내고자 하였다. 그리고 이 분석방법이 임상 분야에서도 적용 가능한지 알아보고자 노화 과정에 적용하여 분석해 보았다.

총 70명을 대상으로 연구가 진행되었는데, 인지 기능이 정상인 대상들을 ADNI에서 32명 그리고 서울대학교에서 38명의 데이터를 받아 분석을 진행하였다. K코어추출법이라는 방법은 복셀 단위로 분석하는 방법으로, 뇌에서 복셀의 위계 구조를 밝혀내기 위해 사용하였다. K코어추출법으로 구한 K최상위코어값, K코어값의 시간에 따른 변화를 히스토그램, 깃발 플롯, 뇌 그림 등의 다양한 방법으로 시각화하였다. 추출된 복셀은 독립 요소 분석법을 적용하여 기능적으로 뇌의 어느 요소에 해당하는지 확인하였다. 이러한 분석은 정적, 동적 연구에 사용되었고 또한 양성, 음성 상관 연구에도 사용되었다. K코어값은 뇌 T1 자기공명영상에 얹어서 뇌 내의 분포에 관해서도 분석을 진행하였다.

복셀의 역동적 위계 구조는 시간에 따라 변화하는 K최상위코어값과 K코어값을 동영상으로 만든 히스토그램, 깃발 플롯, 뇌 그림 등으로 시각화하였는데 각 개인의 동적인 뇌 기능 변화가 그림으로 잘 표현되었다. 이러한 동적인 기능적 연결성은 정적인 기능적 연결성에는 담기지 못한 시간에 따른 뇌 기능의 변화에 대한 정보가 담겨 있었다. 또한, 시간에 따른 역동적 변화는 양성, 음성 상관에 따라서 다르게 나타나 신경계 네트워크에 따라 그 변화도 다르게 나타남을 보였다. K코어값 분포도에서는 뇌에서 K코어값의 분포가 나이가 든 군에서 비대칭적으로 나타나는 것을 발견할 수 있었는데, 이는 노화가 진행됨에 따라 악화되는 경향이 있었다. K코어값 분포도에서 발견한 비대칭적 분포는 비대칭 척도를 이용하여 정량화하였다. 그 결과, 젊은 정상군과 나이가 든 정상군에서 차이가 있다는 것을 확인할 수 있었고 그 차이는 정적인 기능적 연결성보다는 동적인 기능적 연결성에서 더 뚜렷하게 나타나는 것을 볼 수 있었다. 또한, 나이가 들어감에 따라 모든 영역에서 정적, 동적인 K코어값 모두 감소하였는데 이는 노화가 진행되면서 뇌의 기능적 연결성이 떨어지는 것을 나타낸다고 볼 수 있다.

K코어추출법으로 복셀 단위로 동적인 기능적 연결성을 분석하였을 때 뇌의 역동적인 위계 구조를 밝혀냈고 이는 시간에 따라 변화하는 각 개인의 뇌 기능을 잘 반영하였다. 정적 기능적 연결성에는 담지 못하는 시간에 따른 정보를 담는다는 점에서 개인의 뇌 기능을 연구할 때 역동적 기능적 연결성을 연구하는 것이 더 적합하다고 볼 수 있다. 이러한 K코어추출법으로 뇌 기능의 역동적인 위계 구조를 밝혀내고, 노화에 적용해서 분석한 것처럼 앞으로 임상에서 다른 분야에도 적용하여 뇌 기능을 연구하는 데에 활용할 수 있을 것으로 기대된다.