Funkcjonalne markery sieci aktywności ludzkiego mózgu
Identyfikator grantu: PT01067
Kierownik projektu: Michał Komorowski
Realizatorzy:
- Jan Nikadon
Uniwersytet Mikołaja Kopernika
Wydział Fizyki, Astronomii i Informatyki Stosowanej
Toruń
Data otwarcia: 2023-05-24
Streszczenie projektu
Celem nowego projektu jest dokładniejsze zbadanie relacji między sygnałem pochodzącym z neurofizjologii ludzkiego mózgu (EEG, MEG, fMRI) a aktywnością sieci mózgowych, głównie w dziedzinie częstotliwości. Planowane prace obejmą:
• obliczenia w celu uzyskania wyników ustalających relację między gradientem funkcjonalnym sieci mózgowych a spektralnymi sygnaturami wybranych obszarów mózgu (ang. spectral fingerprints),
• obliczenia spektralnych fingerprintów na potrzeby weryfikacji kolejnych hipotez,
• obliczenia i publikacja pracy opisującej związek między aktywnością spoczynkowych sieci mózgowych i reprezentującymi je sygnaturami spektralnymi.
Mózg człowieka stanowi układ dynamiczny, którego oscylacyjna aktywność badana jest od wielu dekad, prowadząc do coraz lepszego rozumienia skomplikowanej mozaiki naszych doświadczeń. Koncepcję brain fingerprint określa się na wiele sposobów. W moich badaniach, definiuję to pojęcie jako zbiór cech aktywności mózgu (uzyskany z mierzonych sygnałów), pozwalający na identyfikację struktur mózgowych: obszarów lub sieci, zaangażowanych w wybrany proces poznawczy.
Od lat przyglądam się szczególnie jednemu z podejść bazujących na analizie częstotliwości — metodzie Spectral Fingerprinting. W jej oryginalnym wydaniu zaproponowanym przez Keitel i Grossa w 2016 roku, pozwala ona na modelowanie aktywności lokalnych struktur korowych i podkorowych, wyznaczonych za pomocą anatomicznego atlasu ludzkiego mózgu, w oparciu o spoczynkowy wielokanałowy sygnał mierzony magnetoencefalografem, jako jednoznacznie identyfikowalne zbiory krzywych spektralnych, opisujące każdy badany obszar mózgu z osobna. Metoda w ówczesnej postaci, choć obiecująca, była niemożliwa do zastosowania w eksploracji innych niż udostępniony przez autorów zbiór danych oraz pozbawiona opcji dostosowywania parametrów modelowania.
Do tej pory moje badania, dzięki wsparciu infrastruktury CI-TASK, wypełniły tę lukę poprzez zaoferowanie nowej implementacji metody Spectral Fingerprinting w postaci otwartego modularnego pakietu narzędziowego opracowanego w języku MATLAB, występującego pod nazwą the Toolbox for Frequency-based Fingerprinting (ToFFi). Pozwala on na automatyczne konstruowanie spektralnych markerów aktywności mózgowej charakterystycznych dla wybranego atlasu obszarów mózgu na poziomie indywidualnych osób badanych bądź wybranej grupy osób w oparciu o parametry modelowania wybrane przez użytkownika. Przedstawione oprogramowanie umożliwia obliczenia równoległe, wspiera reprodukowalność uzyskiwanych wyników, oraz ułatwia interpretację danych wyjściowych za pomocą modułu do wizualizacji.
Przetwarzanie danych z neuroobrazowania jest problemem złożonym i kosztownym obliczeniowo. Wymagane jest obliczenie dziesiątek różnych konfiguracji parametrów, więc zasoby Trójmiejskiej Akademickiej Sieci Komputerowej z pewnością znacznie skrócą czas potrzebny na uzyskanie wyników i udoskonalanie wykorzystywanych algorytmów.
• obliczenia w celu uzyskania wyników ustalających relację między gradientem funkcjonalnym sieci mózgowych a spektralnymi sygnaturami wybranych obszarów mózgu (ang. spectral fingerprints),
• obliczenia spektralnych fingerprintów na potrzeby weryfikacji kolejnych hipotez,
• obliczenia i publikacja pracy opisującej związek między aktywnością spoczynkowych sieci mózgowych i reprezentującymi je sygnaturami spektralnymi.
Mózg człowieka stanowi układ dynamiczny, którego oscylacyjna aktywność badana jest od wielu dekad, prowadząc do coraz lepszego rozumienia skomplikowanej mozaiki naszych doświadczeń. Koncepcję brain fingerprint określa się na wiele sposobów. W moich badaniach, definiuję to pojęcie jako zbiór cech aktywności mózgu (uzyskany z mierzonych sygnałów), pozwalający na identyfikację struktur mózgowych: obszarów lub sieci, zaangażowanych w wybrany proces poznawczy.
Od lat przyglądam się szczególnie jednemu z podejść bazujących na analizie częstotliwości — metodzie Spectral Fingerprinting. W jej oryginalnym wydaniu zaproponowanym przez Keitel i Grossa w 2016 roku, pozwala ona na modelowanie aktywności lokalnych struktur korowych i podkorowych, wyznaczonych za pomocą anatomicznego atlasu ludzkiego mózgu, w oparciu o spoczynkowy wielokanałowy sygnał mierzony magnetoencefalografem, jako jednoznacznie identyfikowalne zbiory krzywych spektralnych, opisujące każdy badany obszar mózgu z osobna. Metoda w ówczesnej postaci, choć obiecująca, była niemożliwa do zastosowania w eksploracji innych niż udostępniony przez autorów zbiór danych oraz pozbawiona opcji dostosowywania parametrów modelowania.
Do tej pory moje badania, dzięki wsparciu infrastruktury CI-TASK, wypełniły tę lukę poprzez zaoferowanie nowej implementacji metody Spectral Fingerprinting w postaci otwartego modularnego pakietu narzędziowego opracowanego w języku MATLAB, występującego pod nazwą the Toolbox for Frequency-based Fingerprinting (ToFFi). Pozwala on na automatyczne konstruowanie spektralnych markerów aktywności mózgowej charakterystycznych dla wybranego atlasu obszarów mózgu na poziomie indywidualnych osób badanych bądź wybranej grupy osób w oparciu o parametry modelowania wybrane przez użytkownika. Przedstawione oprogramowanie umożliwia obliczenia równoległe, wspiera reprodukowalność uzyskiwanych wyników, oraz ułatwia interpretację danych wyjściowych za pomocą modułu do wizualizacji.
Przetwarzanie danych z neuroobrazowania jest problemem złożonym i kosztownym obliczeniowo. Wymagane jest obliczenie dziesiątek różnych konfiguracji parametrów, więc zasoby Trójmiejskiej Akademickiej Sieci Komputerowej z pewnością znacznie skrócą czas potrzebny na uzyskanie wyników i udoskonalanie wykorzystywanych algorytmów.