Anlisis de la seal BOLD obtenida en reposo mediante a n teor de grafos a

Jos Luis Ascencio MDa , John Fredy Ochoa Ing.a, e

a

Instituto Neurolgico de Antioquia-Colombia. Unidad de Neuroimagen Funcional o

Resumen La resonancia magntica funcional de conectividad cerebral permite conocer e la dependencia temporal de los patrones de activacin de regiones cerebrao les anatmicamente separadas, redes funcionales, mediante el estudio de las o uctuaciones espontneas de la seal dependiente del nivel de oxigeno en a n la sangre (BOLD). Para el anlisis de los datos se han planteado esquemas a basados en regiones de inters, anlisis componentes independientes, teor e a a de grafos, entre otros. El presente trabajo muestra una propuesta de procesamiento para la obtencin de grafos a partir de informacin funcional o o obtenida con el paciente en reposo durante una sesin de resonancia. Al o nal del trabajo se ilustra el uso de la tcnica en un conjunto de sujetos a e modo de una primera aproximacin para la validacin del mtodo. o o e Palabras clave: Resonancia magntica funcional, conectividad cerebral, e teor de grafos a

1.

Introduccn o

La resonancia magntica funcional de conectividad cerebral (fcMRI) pere mite conocer la dependencia temporal de los patrones de activacin de reo giones cerebrales anatmicamente separadas, redes funcionales, mediante el o estudio de las uctuaciones espontneas de la seal BOLD. a n Una gran cantidad de estudios ofrecen un soporte neurosiolgico a la o existencia de las redes obtenidas por fcMRI. Mediante tractograf se han a encontrado relaciones estructurales entre las regiones anatmicas que como ponen las redes [1], el anlisis de la seal BOLD adquirida en reposo muestra a n
Correspondencia: Autor 2. Cll 55 No. 46-36 Telfono: (574) 576 66 66, john.ochoa@ e neurologico.org.co

VII Seminario Internacional de Procesamiento y Anlisis de Imgenes Mdicas a a e

SIPAIM 2011

un componente neuronal en las frecuencias menores a los 0.1 Hz, con las frecuencias mayores relacionadas con la respiracin y funcionamiento cardiaco o [2]. Por ultimo, mediante trazado electroencefalogrco se han encontrado a diferentes redes que estn en correspondencia con las vistas por fcMRI [3]. a El anlisis de redes complejas busca caracterizar diferentes elementos de a conectividad cerebral mediante un conjunto de mtricas con sentido neue robiolgico fciles de calcular. El enfoque utiliza elementos que derivan de o a la teor de grafos, usada en el estudio de otros tipos de redes, ampliana do los conceptos de manera que se puedan abarcar las caracter sticas de complejidad propias del sistema nervioso [4]. Para el anlisis de redes complejas usando resonancia funcional se parte a de una divisin del cerebro en nodos. En el enfoque basado en voxel se o trabaja de manera directa con los voxeles que conforman las imgenes como a nodos; en la aproximacin por regiones se utiliza un atlas neuroanatmico, o o como el Atlas de Etiquetado Automtico (AAL) [5], para denir los nodos a como regiones espec cas del cerebro como por ejemplo los giros. Los vertices de la red se denen mediante el uso de una medida de correlacin temporal o de la seal BOLD en los nodos [4]. n Un factor importante para el trabajo con redes complejas es la resolucin a la cual se denen los nodos. Aunque diferentes medidas de la teor o a de redes complejas son reproducibles entre sujetos y entre estudios [6], las medidas tienden a ser ms replicables cuando se trabaja en un enfoque basaa do en voxel [7]. Un protocolo para fcMRI puede generar matrices con cerca de 271633x187 voxeles, la mayor parte de los mismos sin relacin con el o sistema nervioso. Eliminar los voxeles no relevantes del anlisis facilita el a procesamiento de la informacin. o El presente articulo muestra la implementacin de un algoritmo de proo cesamiento que permite obtener una representacin en forma de grafos de un o estudio de conectividad funcional. El algoritmo solo trabaja en los voxeles de la corteza cerebral disminuyendo el tiempo de clculo mientras se trabaja a a una resolucin a nivel de voxel. El articulo est distribuido de la siguiente o a manera: La segunda parte presenta el mtodo propuesto, la tercera parte e indica los resultados obtenidos en un conjunto de controles y sujetos con esclerosis mltiple y la ultima parte est dedicada a las conclusiones. u a 2. Metodolog a

2.1. Adquisicin de las imgenes o a Mediante resonador de 1.5 T (Siemens, Alemania) se adquieren secuencias EPI T2 (TR = 2700 ms, TE = 30 ms, FA = 90, Espesor = 3 mm, 2

Matriz = 64 x 64, 32 cortes por volumen) y T1 MPRAGE (TR = 11 ms, TE = 5.2 ms, FA = 15, Espesor = 1 mm) en 5 sujetos sin antecedentes de enfermedad neurolgica o trauma encefalocraneal (2 hombres, promedio o de edad 25 aos) y 4 sujetos con esclerosis mltiple con lesiones activas (1 n u hombre, promedio de edad 34 aos). La adquisicin se hace con los sujetos n o en reposo y se solicita que no piensen nada en particular durante la adquisicin. La permanencia de cada sujeto en el resonador es de 45 m o nutos, espacio durante el cual se adquiere la secuencia en reposo EPI T2 con 197 volmenes y una unica secuencia anatomica T1 MPRAGE. u 2.2. Procesamiento

Todas las imgenes fueron procesadas de acuerdo al esquema recomendaa do en la literatura [8]: eliminacin de los primeros 10 volmenes para efectos o u de equilibrio de la seal, correccin del desv en los tiempos de adquisicin, n o o o realineacin de los volmenes, normalizacin al espacio del Instituto Neuo u o rolgico de Montreal (MNI) y remuestreo a tamao de voxeles de 3 mm. o n Las imgenes normalizadas son suavizadas mediante ltro paso-bajas a gaussiano, se elimina el valor medio de la seal y el ruido aportado por las n frecuencias mayores a los 0.08Hz. Diferentes fuentes de ruido no espec co son eliminadas mediante un anlisis de regresin que tiene en cuenta los seis parmetros de movimiento a o a r gido del encefalo que son obtenidos durante el proceso de realineacin, el o promedio de seal sobre todo el cerebro, sobre los ventriculos laterales y n en la sustancia blanca. Este procedimiento permite eliminar varianza en los datos de origen no neuronal. Para el anlisis por grafos se utiliz un enfoque que solo tiene en cuenta a o los voxeles que hacen parte de la corteza cerebral. Se utiliz un algoritmo o que recibe una matriz 4D, los 187 volmenes EPI T2 concatenados obtenidos u luego de aplicar sobre los mismos el procesamiento previamente descrito, y utiliza una matriz que contiene las coordenadas de los voxeles de sustancia gris para un volumen en el espacio MNI con resolucin de 3 mm. Se o debe mencionar que en el espacio MNI a 3 mm la corteza se compone de 8196 voxeles. De esta forma se trabaja con una matriz de 8196x187 voxeles, una reduccin signicativa frente a los 271633x187 voxeles originales. El o algoritmo 1 ilustra el proceso para obtener la corteza. Para medir la relacin entre las seales se utiliza la correlacin de Pearo n o son. Para construir la matriz de adyacencia se utilizan las relaciones que superan un umbral r > 0,3.

Algoritmo 1 Generacin de la matriz con la seal en corteza cerebral o n Entrada: Volumenes EPI Datos = {vol1 , . . . , voln }, Matriz referencia V ertices = {coord1 , . . . , cordn } Salida: Informacin de Corteza Corteza = {signal1 , . . . , signaln } o 1: para i = 0 hasta 8196 hacer 2: v = Vertices(i) {Se obtienen las coordenadas MNI actuales.} 3: c = mni2xyz(v) {Se obtienen las coordenadas matriciales a partir de las MNI} 4: Corteza = Datos(c) {Se guarda en la nueva matriz de corteza los datos BOLD} 5: n para 6: devolver Corteza Diferentes medidas desde la teor de grafos fueron aplicadas para conoa cer algunas caracter sticas de las redes obtenidas por el presente enfoque: Grado de valencia de cada nodo en la red. Permite conocer cuantas conexiones tiene cada nodo. Se dene como: ki = aij donde j = 1...N, i = j (1)

El perl de segregacin. Cuantica el nivel al cual la red forma difeo rentes mdulos que llevan a cabo funciones comnes, comparten ino u formacin o realizan procesamiento neuronal conjunto. Para medir la o segregacin se utiliza la transitividad denida como: o T = 2ti iN ki (ki 1)
iN

(2)

En las ecuaciones N es el nmero de voxeles en la red, aij es 1 cuando u hay una conexin entre los nodos j e i, 0 en otro caso, y ti es el nmero de o u tringulos alrededor de un nodo i y se dene como: a ti = 1 2 aij aih ajh
j,hN

(3)

3.

Resultados

El mtodo propuesto permite obtener para cada sujeto la matriz de ade yacencia denida por 8186x8196 entradas. Con esta matriz de adyacencia 4

se puede calcular la valencia de cada nodo, la distribucin de la valencia y o la medida de transitividad de una forma ms rpida. La gura 1 muestra la a a distribucin de valencia (cantidad de conexiones vs cantidad de nodos) para o un conjunto de los sujetos sanos y sujetos con esclerosis mltiple. u La gura permite apreciar que las distribuciones siguen una ley de potencias donde la mayor parte de los nodos tienen bajas conexiones y un conjunto reducido de los mismos se encuentra altamente conectado [9]. Esta propiedad se cumple para todos los sujetos evaluados y se pudo comprobar que entre los nodos altamente conectados se encontraban aquellos previamente reportados en la literatura [10].

Figura 1: Distribucin de la valencia de los nodos para algunos sujetos sanos (superior) y o con escleros mltiple (inferior). u

Para los sujetos con esclerosis mltiple se encuentra un aumento en la u valencia promedio de los nodos y en la transitividad, algo que se podr deber a a posibles mecanismos de compensacin que favorecen una mayor formacin o o de mdulos locales. La gura 2 muestra la diferencia en el promedio de o valencia y de transitividad para los controles y pacientes. 4. Conclusiones

El trabajo presentado no est orientado a comparar sujetos con escleroa sis mltiple contra controles, los sujetos han sido presentados como parte de u las pruebas que se estn realizando para validar el enfoque propuesto. Auna que los resultados obtenidos parecieran estar en concordancia con trabajos previos [11, 12, 13] requieren de validaciones posteriores. El trabajo presente est centrado en el procesamiento de la informacin a o en reposo, esto es, la adquisicin exclusiva de las series de tiempo de los o 5

Figura 2: Diferencias en el promedio de valencia y transitividad para el conjunto de controles y pacientes.

voxeles en la corteza cerebral. Una segunda fase de trabajo incluir todas a aquellas herramientas estad sticas que aumenten el grado de certidumbre de los resultados obtenidos y permitan una comparacin ms rigurosa de o a diferentes poblaciones. Los elementos importantes en esta primera fase del trabajo son la obtencin de redes que siguen distribuciones de potencia en donde los nodos o altamente conectados estn en correspondencia con los previamente repora tados [10]. 5. Agradecimientos

Agradecemos a los tecnlogos de resonancia magntica del Instituto Neuo e rolgico de Antioquia-Colombia por su ayuda en el montaje del protocolo o de adquisicin y la recopilacin de los datos. o o

Referencias [1] M. D. Greicius, K. Supekar, V. Menon, R. F. Dougherty, RestingState functional connectivity reects structural connectivity in the default mode network, Cerebral Cortex 19 (1) (2009) 72 78. doi:10.1093/cercor/bhn059. URL http://cercor.oxfordjournals.org/content/19/1/72. abstract [2] D. Cordes, V. M. Haughton, K. Arfanakis, J. D. Carew, P. A. Turski, C. H. Moritz, M. A. Quigley, M. E. Meyerand, Frequencies contributing to functional connectivity in the cerebral cortex in Resting-state data, Am J Neuroradiol 22 (7) (2001) 13261333. URL http://www.ajnr.org/cgi/content/abstract/22/7/1326 [3] K. Jann, M. Kottlow, T. Dierks, C. Boesch, T. Koenig, Topographic electrophysiological signatures of fMRI resting state networks, PLoS ONE 5 (9) (2010) e12945. doi:10.1371/journal.pone.0012945. URL http://dx.doi.org/10.1371/journal.pone.0012945 [4] M. Rubinov, O. Sporns, Complex network measures of brain connectivity: uses and interpretations, NeuroImage 52 (3) (2010) 10591069, PMID: 19819337. doi:10.1016/j.neuroimage.2009.10.003. URL http://www.ncbi.nlm.nih.gov/pubmed/19819337 [5] N. Tzourio-Mazoyer, B. Landeau, D. Papathanassiou, F. Crivello, O. Etard, N. Delcroix, B. Mazoyer, M. Joliot, Automated anatomical labeling of activations in SPM using a macroscopic anatomical parcellation of the MNI MRI single-subject brain, NeuroImage 15 (1) (2002) 273289, PMID: 11771995. doi:10.1006/nimg.2001.0978. URL http://www.ncbi.nlm.nih.gov/pubmed/11771995 [6] Q. K. Telesford, A. R. Morgan, S. Hayasaka, S. L. Simpson, W. Barret, R. A. Kraft, J. L. Mozolic, P. J. Laurienti, Reproducibility of graph metrics in fMRI networks, Frontiers in Neuroinformatics 4 (2010) 117. doi:10.3389/fninf.2010.00117. URL http://www.frontiersin.org/neuroinformatics/10.3389/ fninf.2010.00117/pdf/full [7] S. Hayasaka, P. J. Laurienti, Comparison of characteristics between region- and Voxel-Based network analyses in Resting-State fMRI data, NeuroImage 50 (2) (2010) 499508, PMID: 20026219 PMCID: 2824075. doi:10.1016/j.neuroimage.2009.12.051. 7

[8] K. R. A. Van Dijk, T. Hedden, A. Venkataraman, K. C. Evans, S. W. Lazar, R. L. Buckner, Intrinsic functional connectivity as a tool for human connectomics: Theory, properties, and optimization, Journal of Neurophysiology 103 (1) (2010) 297 321. doi:10.1152/jn.00783.2009. URL http://jn.physiology.org/content/103/1/297.abstract [9] R. Albert, A. Barabasi, Statistical mechanics of complex networks, cond-mat/0106096Reviews of Modern Physics 74, 47 (2002). doi:doi:10.1103/RevModPhys.74.47. URL http://arxiv.org/abs/cond-mat/0106096 [10] J. Sepulcre, H. Liu, T. Talukdar, I. Martincorena, B. T. T. Yeo, R. L. Buckner, The organization of local and distant functional connectivity in the human brain 6 (6), PMID: 20548945 PMCID: 2883589. doi:10.1371/journal.pcbi.1000808. [11] Y. Liu, P. Liang, Y. Duan, X. Jia, C. Yu, M. Zhang, F. Wang, M. Zhang, H. Dong, J. Ye, H. Butzkueven, K. Li, Brain plasticity in relapsingremitting multiple sclerosis: evidence from resting-state fMRI, Journal of the Neurological Sciences 304 (1-2) (2011) 127131, PMID: 21349545. doi:10.1016/j.jns.2011.01.023. URL http://www.ncbi.nlm.nih.gov/pubmed/21349545 [12] S. Bonavita, A. Gallo, R. Sacco, M. D. Corte, A. Bisecco, R. Docimo, L. Lavorgna, D. Corbo, A. D. Costanzo, F. Tortora, M. Cirillo, F. Esposito, G. Tedeschi, Distributed changes in default-mode restingstate connectivity in multiple sclerosis, Multiple Sclerosis (Houndmills, Basingstoke, England) 17 (4) (2011) 411422, PMID: 21239414. doi:10.1177/1352458510394609. URL http://www.ncbi.nlm.nih.gov/pubmed/21239414 [13] M. M. Schoonheim, J. J. G. Geurts, D. Landi, L. Douw, M. L. van der Meer, H. Vrenken, C. H. Polman, F. Barkhof, C. J. Stam, Functional connectivity changes in multiple sclerosis patients: A graph analytical study of MEG resting state data, Human Brain MappingPMID: 21954106. doi:10.1002/hbm.21424. URL http://www.ncbi.nlm.nih.gov/pubmed/21954106