본 연구과제를 통해 궁극적으로 구현하고자 한 기술은 기능적 뇌신경 회로망 구현 기술이다. 이는 기존의 뇌기능 매핑(human brain mapping)이 단지 시각, 청각과 같은 단순 지각이나 한 가지 뇌기능 작동 이벤트에 관련된 뇌부위를 영상화할 뿐, 뇌기능 부위들 사이의 f ...

본 연구과제를 통해 궁극적으로 구현하고자 한 기술은 기능적 뇌신경 회로망 구현 기술이다. 이는 기존의 뇌기능 매핑(human brain mapping)이 단지 시각, 청각과 같은 단순 지각이나 한 가지 뇌기능 작동 이벤트에 관련된 뇌부위를 영상화할 뿐, 뇌기능 부위들 사이의 functional connectivity나 functional brain network를 보여주지는 못 한다는 한계를 극복하기 위한 시도이다. 기존의 뇌 신경망의 구조적 조직화(Structural Organization)에는 다변량 분석 기법인 linear correlation coefficient를 이용하여 functional brain networks를 구현하고 있다. 그러나, 이는 functional connectivity를 고려하지 않은 데이터에 대한 결과이므로, 이러한 과정에 의해 얻은 network의 성분들이 실제 functional cluster를 이룬다는 보장은 없다 (Tononi et al., 1998b) 또한 기존의 fucntional connectivity 연구의 대부분은 앞서 명시한 linear correlation coefficient 나 coherence와 같은 선형 connectivity만을 연구해 왔으나, brain과 같은 복잡한 시스템은 기본적으로 비선형적인 connectivity도 포함하고 있기 때문에 이에 대한 연구도 병행되어야만 실질적인 network을 구성할 수 있다. 따라서, 본 연구자는 여러 방법으로 얻어진 생체 데이터로부터 이들의 functional connectivity를 구현함으로서 진정한 의미의 functional brain networks를 얻고, 또한, 선형과 비선형 connectivity를 함께 연구할 수 있는 이론적인 방법론을 제공하고자 하였다.
본 연수를 통해 구현된 기능적 뇌신경 회로망 기술을 통해 기존의 선형 방법이 구현하지 못 하였던 비선형 성질을 포함한 전체적인 functional connectivity를 구현할 수 있었고, 또한 information flow를 표시할 수 있는 통합 functional connectivity 방법론을 성공적으로 제안하였다. 본 방법은 연수기관의 데이터 분석에 성공적으로 활용되고 있다. 국내 뇌영상 분야 연구에서는 기존의 방법론을 이용한 연구가 주를 이루고 있으나, 본 연수는 방법론을 주로 연구한 것을 특징으로 한다. 특히 본 연수를 통해 구현된 기능적 뇌신경 회로망 기술은 그 활용 범위가 매우 넓다. 앞서 기술한 바와 같이, 다른 modality 간의 정보 교환이나 동일한 modality간의 정보 교환 연구에 있어, 중요한 방법론을 제공함으로서 EEG, MEG, fMRI, EMG 등 다양한 neurophysiological signals 사이의 관계를 규명하는데 활용 될 것이다.

Aim of the present study is to develop new methodology to make effective functional brain network. As an experimental experience, I had been participating in many experiments, in order to obtain various datasets from multimodal brain image methods suc ...

Aim of the present study is to develop new methodology to make effective functional brain network. As an experimental experience, I had been participating in many experiments, in order to obtain various datasets from multimodal brain image methods such as EEG, EMG, MEG, MRI and TMS. What I learned through these experiments are the importance of putting the fiducial marker onto the exact location and the usage of software to preprocessing the acquired data like AFNI. As a methodology development activity, mutual information based functional connectivity methods has been made. So far, coherence or directed transfer function (DTF) methods have been used in order to address how information flows. Since coherence is symmetric properties, this is not able to identify the direction of any interaction. On the other hand, DTF shows directional information transfer, but this is a model based method, which means this requires a priori assumptions of a model to describe the interaction mechanism without the knowledge of the underlying mechanism. Mutual information is a measure of the amount of shared information gained about one system from the observation of another one. An advanced concept of mutual information, Time-Delayed Mutual Information (TDMI), represents the mutual information of two time series as a function of time delay and has been used as a measure of mutual coupling or information transmission between different cortical areas. This measure may be thought of as a nonlinear cross-correlation function capable of capturing both linear and nonlinear correlations in time series. The purpose of new measure is to provide a method for investigating functional connectivity including nonlinear components using TDMI measure. Our method successfully detected nonlinear connectivity applied to various simulated datasets, and experimental datasets such as cortico-muscular interaction. Therefore, proposed method to investigate nonlinear functional connectivity may be helpful in understanding the functional connectivity and making effective functional brain networks in various multimodal neurological signals.

최근 10 여년간 뇌기능영상 분야의 괄목할 만한 발전으로 뇌기능매핑이라는 분야가 탄생, 정상인에서는 정서, 의식, 사회적 판단을 위한 뇌영역을 해석하게 되었고, 질병이 있는 환자에서는 뇌기능이 정상인과 어떤 차이가 있는지 이해하는 단계에까지 발전했다. 그러나, ...

최근 10 여년간 뇌기능영상 분야의 괄목할 만한 발전으로 뇌기능매핑이라는 분야가 탄생, 정상인에서는 정서, 의식, 사회적 판단을 위한 뇌영역을 해석하게 되었고, 질병이 있는 환자에서는 뇌기능이 정상인과 어떤 차이가 있는지 이해하는 단계에까지 발전했다. 그러나, 뇌기능 매핑(human brain mapping)이라고 해도 단지 시각, 청각과 같은 단순 지각이나 한 가지 뇌기능 작동 이벤트에 관련된 뇌부위를 영상화할 뿐, 뇌기능 부위들 사이의 functional connectivity나 functional brain network를 보여주지는 못 한다. 뇌는 여러 신경 다발들이 모여 독립적인 기능(functional segregation)을 담당하면서도 각 신경 다발끼리의 유기적인 정보의 흐름이 적절히 조화되어(functional integration) 최종적인 기능을 발휘하는 복잡계(complex system)이다 (Tononi and Edelman, 1998a). 따라서, 뇌의 기능을 규명하는데 있어, 세포 수준에서 원인을 규명하고자 하는 분자세포학적인 접근도 필요하지만, 뇌는 근본적으로 functional integration 또는 network의 작용이기 때문에 functional connectivity 양상을 연구하여야만 뇌기능을 규명했다고 할 수 있다. 다시 말해, 각 부위의 독립적인 기능을 규명하는 것도 필요하지만 독립적인 기능을 하는 부위끼리 어떠한 connection을 형성하고 network을 구성하고 있는지도 규명하여야 뇌기능을 올바로 이해 할 수 있는 것이다. 기존의 뇌 신경망의 구조적 조직화(Structural Organization)에는 다변량 분석 기법인 linear correlation coefficient를 이용하여 functional brain networks를 구현하고 있다. 그러나, 이는 functional connectivity를 고려하지 않은 데이터에 대한 결과이므로, 이러한 과정에 의해 얻은 network의 성분들이 실제 functional cluster를 이룬다는 보장은 없다 (Tononi et al., 1998b) 또한 기존의 fucntional connectivity 연구의 대부분은 앞서 명시한 linear correlation coefficient 나 coherence와 같은 선형 connectivity만을 연구해 왔으나, brain과 같은 복잡한 시스템은 기본적으로 비선형적인 connectivity도 포함하고 있기 때문에 이에 대한 연구도 병행되어야만 실질적인 network을 구성할 수 있다. 따라서, 본 연구자는 여러 방법으로 얻어진 생체 데이터로부터 이들의 functional connectivity를 구현함으로서 진정한 의미의 functional brain networks를 얻고, 또한, 선형과 비선형 connectivity를 함께 연구할 수 있는 이론적인 방법론을 제공하고자 하였다.

본 연수를 통해 구현된 기능적 뇌신경 회로망 기술을 통해 기존의 선형 방법이 구현하지 못 하였던 비선형 성질을 포함한 전체적인 functional connectivity를 구현할 수 있었고, 또한 information flow를 표시할 수 있는 통합 functional connectivity 방법론을 성공적으 ...

본 연수를 통해 구현된 기능적 뇌신경 회로망 기술을 통해 기존의 선형 방법이 구현하지 못 하였던 비선형 성질을 포함한 전체적인 functional connectivity를 구현할 수 있었고, 또한 information flow를 표시할 수 있는 통합 functional connectivity 방법론을 성공적으로 제안하였다. 본 방법은 연수기관의 데이터 분석에 성공적으로 활용되고 있다. 국내 뇌영상 분야 연구에서는 기존의 방법론을 이용한 연구가 주를 이루고 있으나, 본 연수는 방법론을 주로 연구한 것을 특징으로 한다. 특히 본 연수를 통해 구현된 기능적 뇌신경 회로망 기술은 그 활용 범위가 매우 넓다. 앞서 기술한 바와 같이, 다른 modality 간의 정보 교환이나 동일한 modality간의 정보 교환 연구에 있어, 중요한 방법론을 제공함으로서 EEG, MEG, fMRI, EMG 등 다양한 neurophysiological signals 사이의 관계를 규명하는데 활용 될 것이다. 또한, 연수기관인 NIH의 NINDS의 우수한 연구자들과의 인적 네트워크를 통해 향후 상호협력 연구를 진행 할 수 있는 기반을 마련하였다.