Dynamic lag analysis of human brain activity propagation : a fast fMRI study
Raatikainen, Ville (2021-05-07)
https://urn.fi/URN:ISBN:9789526229324
Kuvaus
Tiivistelmä
Abstract
An amazing amount of activity is continuously occurring in the brain in multiple temporal and spatial scales even in the absence of explicit environmental outputs or inputs; this is called the resting-state, or spontaneous brain activity. It is now widely known that spontaneous brain activity, measured using resting state functional magnetic resonance imaging (fMRI) of the blood oxygen level dependent (BOLD) signal, is dominated by very low frequencies (VLFs; less than 0.1 Hz).
Spatial correlations within VLF spontaneous brain activity result in what is widely referred to as functional connectivity, and the associated functionally connected regions are known as resting-state networks (RSNs). Conventional functional connectivity analyses such as seed-based analysis and independent component analysis (ICA), have revealed that spontaneous activity vary in different tasks and in some diseases, but also in a resting state in healthy subjects. However, conventional functional connectivity analyses have not addressed the temporal dimension of brain communication, that is, the propagation of information flow between brain regions.
By studying temporal lags in the brain, it has recently been established that spontaneous BOLD fluctuations consist of reproducible patterns of whole brain activity propagation and these patterns are markedly altered as a function of brain state, whether pathological or physiological. In this thesis, we utilised fast magnetic resonance encephalography (MREG) imaging data and provided a comprehensive analysis approach, dynamic lag analysis (DLA), to study probabilistic patterns of information flow between brain regions. Our temporal analyses revealed new patterns in the way slow signals propagate between functional brain regions, and suggested that information flow is aberrant in autism spectrum disorder (ASD) and type 1 narcolepsy with cataplexy compared with neurotypical individuals.
Our findings offer a glimpse into the principles that govern brain activity and potentially open a much broader line of research into the integrated functioning of the human brain. A deeper understanding of brain dynamics offers comprehensive views of brain physiology and potentially help to detect the sensitive biomarkers of some pathologies in the future.
Tiivistelmä
Aivot ovat monimutkainen järjestelmä, jossa on käynnissä jatkuvasti valtava määrä aktiivisuutta monissa avaruudellisissa ja ajallisissa ulottuvuuksissa. Tätä toimintaa kutsutaan aivojen spontaaniksi tai lepotila-aktiivisuudeksi. Toiminnallisen magneettikuvauksen (TMK) tutkimusten kautta tiedämme nykyään, että aivotoiminnan spontaania aktiivisuutta dominoivat erittäin hitaat vaihtelut.
Spontaanin aivotoiminnan erittäin hitaiden vaihteluiden avaruudellisia korrelaatioita kutsutaan yleisesti toiminnalliseksi liittyvyydeksi, ja näitä toiminnallisesti liittyneitä alueita aivojen lepotilahermoverkostoiksi. Perinteiset toiminnallisen liitettävyyden analyysien kautta tiedämme nykyään, että spontaani aivotoiminta huojuu tietyissä tehtävissä, jossain sairauksissa, mutta myös terveillä koehenkilöillä. Perinteiset analyysit eivät kuitenkaan ole keskittyneet aivotoiminnan ajallisiin vaihteluihin eli kuinka informaatio aivoalueiden välillä ajallisesti etenee.
Aivan hiljattain on aivotoiminnan ajallisen kytkeytymisen tutkimuksista saatu selville, että veren happipitoisuudesta riippuvan (engl. blood oxygen level dependent, BOLD) signaalin spontaaneissa vaihteluissa on tunnistettavissa toistettavia ajallisia kytkeytymisiä. Ne vaihtelevat riippuen aivotoiminnan fysiologisesta tilasta tai patologisista prosesseista. Tässä väitöskirjatutkimuksessa kehitimme uuden analyysimenetelmän, dynaamisen viiveanalyysin (engl. dynamic lag analysis, DLA), ja hyödynsimme nopeaa magneettiresonanssienkefalogrammi (MREG) kuvantamista tutkiaksemme informaation kulkua ihmisillä eri toiminnallisten aivoalueiden välillä. Ajallisen analyysimenetelmän avulla löysimme uusia mekanismeja aivotoiminnan hitaiden vaihteluiden ajallisessa välittymisessä aivoalueiden välillä. Havaitsimme lisäksi, että aivotoiminnan ajallinen kytkeytyminen on poikkeava autismin kirjon oireyhtymässä ja tyypin 1 narkolepsiassa verrattuna terveisiin koehenkilöihin.
Tuloksemme tarjoavat pilkahduksen mielenkiintoista uutta tietoa aivotoiminnan kytkeytymismekanismeista, ja voivat olla pohjana uudelle aivojen ajallisen kytkeytymisen tutkimushaaralle. Lisäksi aivojen ajallisen kytkeytymisen parempi ymmärrys tarjoaa uutta tärkeää tietoa ihmisaivojen fysiologiasta, mikä voi puolestaan auttaa löytämään tehokkaita biomarkkereita joidenkin patologisten tilojen tunnistamiselle tulevaisuudessa.
Original papers
Original papers are not included in the electronic version of the dissertation.
Raatikainen, V., Huotari, N., Korhonen, V., Rasila, A., Kananen, J., Raitamaa, L., Keinänen, T., Kantola, J., Tervonen, O., & Kiviniemi, V. (2017). Combined spatiotemporal ICA (stICA) for continuous and dynamic lag structure analysis of MREG data. NeuroImage, 148, 352–363. https://doi.org/10.1016/j.neuroimage.2017.01.024
Raatikainen, V., Korhonen, V., Borchardt, V., Huotari, N., Helakari, H., Kananen, J., Raitamaa, L., Joskitt, L., Loukusa, S., Hurtig, T., Ebeling, H., Uddin, L. Q., & Kiviniemi, V. (2019). Dynamic lag analysis reveals atypical brain information flow in autism spectrum disorder. Autism Research, 13(2), 244–258. https://doi.org/10.1002/aur.2218
Järvelä, M., Raatikainen, V., Kotila, A., Kananen, J., Korhonen, V., Uddin, L. Q., Ansakorpi, H., & Kiviniemi, V. (2020). Lag Analysis of Fast fMRI Reveals Delayed Information Flow Between the Default Mode and Other Networks in Narcolepsy. Cerebral Cortex Communications, 1(1). https://doi.org/10.1093/texcom/tgaa073
Osajulkaisut
Osajulkaisut eivät sisälly väitöskirjan elektroniseen versioon.
Raatikainen, V., Huotari, N., Korhonen, V., Rasila, A., Kananen, J., Raitamaa, L., Keinänen, T., Kantola, J., Tervonen, O., & Kiviniemi, V. (2017). Combined spatiotemporal ICA (stICA) for continuous and dynamic lag structure analysis of MREG data. NeuroImage, 148, 352–363. https://doi.org/10.1016/j.neuroimage.2017.01.024
Raatikainen, V., Korhonen, V., Borchardt, V., Huotari, N., Helakari, H., Kananen, J., Raitamaa, L., Joskitt, L., Loukusa, S., Hurtig, T., Ebeling, H., Uddin, L. Q., & Kiviniemi, V. (2019). Dynamic lag analysis reveals atypical brain information flow in autism spectrum disorder. Autism Research, 13(2), 244–258. https://doi.org/10.1002/aur.2218
Järvelä, M., Raatikainen, V., Kotila, A., Kananen, J., Korhonen, V., Uddin, L. Q., Ansakorpi, H., & Kiviniemi, V. (2020). Lag Analysis of Fast fMRI Reveals Delayed Information Flow Between the Default Mode and Other Networks in Narcolepsy. Cerebral Cortex Communications, 1(1). https://doi.org/10.1093/texcom/tgaa073
Kokoelmat
- Avoin saatavuus [38841]