マルチモーダルインタラクティブな接続性の視覚化と分析のためのオープン環境

脳のつながりの調査はますますマルチモーダルになりつつあり、データを定量的に特徴付け、インタラクティブな視覚化のための課題を提示しています。この調査では、磁気共鳴画像（MRI）データから機能的および解剖学的接続性を組み合わせるための新しいネットワークベースのソフトウェアツールのセットを紹介します。計算ツールは、インタラクティブなクエリと視覚化のための機能的ニューロイメージ（AFNI）および表面マッピング（SUMA）の分析とインターフェイスするツールボックスである、機能およびトラクトグラフィー接続分析ツールボックス（FATCAT）の一部として利用できます。これには、ネットワークの合理的な追跡を改善するための斬新なトラクトグラフィックミニプロバビリスティックアプローチが含まれます。推定拡散テンソルイメージング（DTI）パラメーターの不確実性といくつかのモンテカルロイテレーションの不確実性を利用することにより、白質接続を決定するためのより堅牢な追跡結果をどのように取得するかを示します。これにより、ターゲットペア間の接続の数に基づいてしきい値が可能になり、騒音が原因で路の存在が減少します。ユーザーがデータを組み合わせるのを支援するために、ボクセル、表面、トラクト、グラフドメインで定義された2次元および3次元データのクエリをナビゲートおよび実行するためのインターフェイスを説明します。これらのさまざまな種類の情報は同時に視覚化でき、クエリはSUMAとAFNIを使用してインタラクティブに実行されます。この方法は、特に単一被験者の推論のコンテキストで、機能的なMRIとDTIのモダリティを視覚化および組み合わせるユーザーの能力を高めるように設計されています（例えば、脳刺激研究など）。最後に、グループ分析でネットワークベースの機能を統計的にモデル化するための多変量フレームワークを提示します。これは、機能的研究と構造研究の両方に実装できます。

Brain connectivity investigations are becoming increasingly multimodal and they present challenges for quantitatively characterizing and interactively visualizing data. In this study, we present a new set of network-based software tools for combining functional and anatomical connectivity from magnetic resonance imaging (MRI) data. The computational tools are available as part of Functional and Tractographic Connectivity Analysis Toolbox (FATCAT), a toolbox that interfaces with Analysis of Functional NeuroImages (AFNI) and SUrface MApping (SUMA) for interactive queries and visualization. This includes a novel, tractographic mini-probabilistic approach to improve streamline tracking in networks. We show how one obtains more robust tracking results for determining white matter connections by utilizing the uncertainty of the estimated diffusion tensor imaging (DTI) parameters and a few Monte Carlo iterations. This allows for thresholding based on the number of connections between target pairs to reduce the presence of tracts likely due to noise. To assist users in combining data, we describe an interface for navigating and performing queries in two-dimensional and three-dimensional data defined over voxel, surface, tract, and graph domains. These varied types of information can be visualized simultaneously and the queries performed interactively using SUMA and AFNI. The methods have been designed to increase the user's ability to visualize and combine functional MRI and DTI modalities, particularly in the context of single-subject inferences (e.g., in deep brain stimulation studies). Finally, we present a multivariate framework for statistically modeling network-based features in group analysis, which can be implemented for both functional and structural studies.