Proceedings of the Korean Information Science Society Conference (한국정보과학회:학술대회논문집)

  • 2010.11a
  • /
  • Pages.27-31
  • /
  • 2010
  • /
  • 1598-5164(pISSN)
Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지

Searching for the Hub Module of fMRI Data with the Hypergraph Model

하이퍼그래프 모델을 이용한 fMRI Brain Network 의 허브 모듈 분석

  • Kim, Joon-Shik (Biointelligence Lab, School of Computer Science and Engineering, Seoul National University) ;
  • Lim, Byoung-Kwon (Biointelligence Lab, School of Computer Science and Engineering, Seoul National University) ;
  • Kim, Eun-Sol (Biointelligence Lab, School of Computer Science and Engineering, Seoul National University) ;
  • Yang, Jin-San (Biointelligence Lab, School of Computer Science and Engineering, Seoul National University) ;
  • Zhang, Byoung-Tak (Biointelligence Lab, School of Computer Science and Engineering, Seoul National University)
  • 김준식 (바이오지능 연구실, 서울대학교 전기컴퓨터공학부) ;
  • 임병권 (바이오지능 연구실, 서울대학교 전기컴퓨터공학부) ;
  • 김은솔 (바이오지능 연구실, 서울대학교 전기컴퓨터공학부) ;
  • 양진산 (바이오지능 연구실, 서울대학교 전기컴퓨터공학부) ;
  • 장병탁 (바이오지능 연구실, 서울대학교 전기컴퓨터공학부)
  • Published : 2010.11.05
Download PDF
⟨ Previous Next ⟩

Abstract

본 논문에서는 하이퍼그래프의 고유벡터를 척도로 하여 fMRI기반 Brain Network를 분석하여 중요한 허브노드를 찾는 방법론을 제시한다. 이 방법을 비디오게임을 수행하면서 촬영한 기능적 자기뇌영상(fMRI) 데이터인 PBAIC 2007 데이터셋에 대하여 그 유용성을 검증하였다. 이 데이터는 각 20분씩 세 세션을 촬영한 것이며 처음 두 세션에는 13가지의 감정 항목의 평가치가 각 스캔마다 주어진다. 한 피험자의 첫번째 세션 데이터로부터 13가지 감정 항목에 대하여 상관관계가 높은 각각의 복셀(voxel)들을 추출하였다. 이 13가지의 복셀들의 집합들을 각각 하이퍼에지로 보고 하이퍼그래프를 구성하였다. 하이퍼그래프로부 터 인접 행렬(adjacency matrix)를 구성한 후 고유치(eigenvalue)와 고유벡터(eigenvector)를 구하였다. 여기서 고유치가 가장 큰 고유벡터의 원소들은 각 복셀들의 중앙성(centrality), 즉 중요성을 나타내며 이로부터 감정과 관련된 중요한 허브 복셀들과 그들의 국소적 집합인 모듈을 찾았다. 모듈들은 감정 및 작업기억(working memory)과 관련된 뇌 영역들의 클러스터(cluster)로 추정된다.

Keywords