Development and application of software to analyze networks with multilayer graph theory and deep learning.

Abstract

Att förstå hjärnans nätverksstruktur är avgörande, då det ger oss en ny nivå av insikt i dess funktionalitet. Genom att modellera hjärnan som ett komplext sammankopplat nätverk– konnektomet– kan forskare abstra hera biologisk komplexitet till ett matematiskt ramverk lämpligt för analys. Konnektomet kan förstås genom dess strukturella kopplingar, såsom neu ronernas synapser, eller genom funktionella kopplingar, såsom statistiska samband mellan neural aktivitet i olika hjärnregioner. Kartläggningen av dessa nätverk uppnås med neuroavbildning, medan analysen drivs av inte grationen av grafteori och djupinlärningsarkitekturer. I detta arbete presenterar vi programvaran "Brain Analysis using Graph Theory 2" (BRAPH 2.0), som är en direkt lösning på behovet av ett verktyg utformat för både komplex grafteori och djupinlärningsanalyser. Centralt i programvarans arkitektur är pseudospråket "Genesis", som tillåter forskare att överbrygga mänskligt läsbara egenskaper med datorkod, vilket underlät tar den modulära expansionen av multigrafteori och djupinlärningspipelines i programvaran. Ramverkets förmåga demonstreras genom storskaliga kliniska tillämp ningar. Vi analyserar könsskillnader i den åldrande hjärnan med hjälp av en kohort på 37 543 deltagare från UK Biobank. Våra resultat visar att multigrafmått, som fångar det dynamiska samspelet mellan positiva och negativa funktionella kopplingar, är signifikant mer känsliga för könsrelat erade topologiska förändringar än traditionella enkelskiktsmått. Vidare implementerar vi en pipeline för Reservoir Computing (RC) för att definiera beräkningsmässig "minneskapacitet" (MC) som en fysisk in dikator på biologiskt åldrande. Genom att använda kohorterna Cam-CAN och LEMON visar vi att MC tillförlitligt förutsäger åldersrelaterad försäm ring, särskilt inom de frontala och parietala regionerna, och återspeglar den underliggande integriteten i banor av vit substans och locus coeruleus.