Estimating brain connectivity for pattern analysis

Abstract

In this study, the degree of connectivity for each voxel, which is the unit element of functional Magnetic Resonance Imaging (fMRI) data, with its neighboring voxels is estimated. The neighborhood system is defined by spatial connectivity metrics and a local mesh of variable size is formed around each voxel using spatial neighborhood. Then, the mesh arc weights, called Mesh Arc Descriptors (MAD), are used to represent each voxel rather than its own intensity value measured by functional Magnetic Resonance Images (fMRI). Finally, the optimal mesh size of each voxel is estimated using various information theoretic criteria. fMRI measurements are obtained during a memory encoding and retrieval experiment performed on a subject who is exposed to the stimuli from 10 semantic categories. Using the Mesh Arc Descriptors (MAD) having the variable mesh sizes, a k-NN classifier is trained. The classification performances reflect that the suggested variable-size Mesh Arc Descriptors represent the cognitive states better than the classical multi-voxel pattern representation and fixed-size Mesh Arc Descriptors. Moreover, it is observed that the degree of connectivities in the brain greatly varies for each voxel. / Bu çalışmada, fonksiyonel Manyetik Rezonans Görüntüleme (fMRG) verisinin temel elemanı olan vokselin komşu voksellerle olan bağlanırlık derecesi kestirilmiştir. Komşuluk sistemi uzamsal bağlanırlık metrikleri ile tanımlanır ve her voksel etrafında uzamsal komşuluk kullanılarak değişken boyutlu yerel örgü oluşturulur. Daha sonra, her voksel kendi yoğunluk değeri yerine Örgü Yay Betimleyicileri olarak adlandırılan örgü yay ağırlıkları ile ifade edilir. Sonuç olarak, her vokselin ideal örgü boyutu, çeşitli bilgi teoretik kriterler kullanılarak kestirilir. fMRG ölçümleri 10 anlamsal kategori içeren uyarılara maruz bırakılan bir katılımcıya uygulanan beyne bilgi kaydı ve beyinden bilgi geri getirme deneyi sırasında edinilmiştir. Değişken örgü boyutuna sahip Örgü Yay Betimleyicileri kullanilarak bir k-en yakın komşu sınıflandırıcısı egitilmiştir. Sınıflandırma performansı gösterir ki, önerilen degişken boyutlu Örgü Yay Betimleyicileri, bilişsel süreçleri klasik çoklu-voksel örüntü betimleyicilerinden ve sabit boyutlu Örgü Yay Betimleyicileri’nden daha iyi ifade eder. Ek olarak, baglanırlık derecesinin beyinde oldukça değişken olduğu gözlemlenmiştir.