From Scans to Reality: Effects of Preprocessing and Daily Behavioral Patterns on fMRI Brain Connectivity
Loading...
Journal Title
Journal ISSN
Volume Title
School of Science |
Doctoral thesis (article-based)
| Defence date: 2024-08-23
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Author
Date
2024
Major/Subject
Mcode
Degree programme
Language
en
Pages
91 + app. 135
Series
Aalto University publication series DOCTORAL THESES, 145/2024
Abstract
Functional magnetic resonance imaging (fMRI) has significantly advanced our understanding of the brain. By combining data from hundreds of individuals, neuroscientists have been able to reliably identify general trends of the large-scale network organization of the brain in controls and patients. Consequently, there is optimism that fMRI connectivity could be used to identify biomarkers for prognosis and diagnosis and targets for interventions. However, the clinical application of fMRI techniques remains limited, partly because of the heterogeneity in findings from between-group comparisons and the challenge of group-to-individual generalization. Therefore, it is critical to investigate and understand the underlying factors contributing to these challenges, which might include fMRI preprocessing and the impact of environmental and behavioral neuromodulators on a day-to-day basis. In this thesis, I explore these sources of variability to understand their impact on fMRI brain connectivity. This includes the impact of preprocessing methods and the role of environmental and behavioral neuromodulators -- or external factors -- as well as examining the integration of fMRI with digital phenotyping to provide a comprehensive understanding of the brain. In the first study, I demonstrate that spatial smoothing has unpredictable effects when comparing resting-state fMRI data between groups. In the second study, I focus on developing software tools for preprocessing, analyzing, and visualizing digital phenotyping data, aiming to quantify the influence of external factors more effectively. In the third study, I review how the combination of brain MRI and digital phenotyping devices enables the monitoring of external factors in real-world scenarios, offering a more precise method to quantify these variables. Finally, in the fourth study, I show that external factors, including sleep, physical activity, mood, respiration rate, and heart rate variability, are significantly correlated with functional connectivity, a relationship that persists up to fifteen days prior. This thesis demonstrates that both preprocessing choices and external factors uniquely influence fMRI brain connectivity, often in unexpected ways. It supports merging digital phenotyping with MRI data to bridge brain research and real-life experiences, extending brain research from scanners to reality. My findings reveal temporal co-variations between external factors and brain connectivity, crucial for understanding mental health disorders that exhibit week-to-week variability. Thus, integrating brain connectivity analysis with insights into environmental and behavioral neuromodulators propels environmental neuroscience forward and supports the development of precision healthcare, making significant strides towards personalized medicine and the understanding of individual variability.Funktionaalinen magneettikuvaus (fMRI) on edistänyt ymmärrystämme aivoista merkittävästi. Yhdistämällä satojen yksilöiden mittauksia aivotutkijat ovat tunnistaneet aivojen suuren mittakaavan verkostorakenteen yleisiä trendejä sekä potilaissa että kontrolleissa. Tämän johdosta vaikuttaa mahdolliselta, että fMRI:n avulla nähtävää verkostorakennetta voitaisiin käyttää löytämään biomarkkereita, jotka soveltuvat ennustamiseen, diagnoosiin tai interventioiden kohdistamiseen. fMRI:n kliiniset sovellukset ovat kuitenkin harvassa, johtuen osittain löydösten suuresta hajonnasta ryhmien välillä ja ryhmästä yksilöön tapahtuvan yleistämisen vaikeudesta. Siksi on tärkeää tutkia ja ymmärtää näihin vaikuttavia tekijöitä, j fMRI-esikäsittelymenetelmien vaikutuksesta ympäristöön ja käyttäytymiseen liittyvien neuromodulaattoreiden päivittäiseen vaikutukseen. Tarkastelen väitöskirjassani näitä vaihtelun lähteitä ymmärtääkseni miten ne vaikuttavat fMRI:n avulla mitattavaan verkostorakenteeseen. Tutkimus kattaa esikäsittelymenetelmien merkityksen, ympäristön ja käytöksen neuromodulaattoreiden (ulkoisten tekijöiden) roolin sekä fMRI:n ja niinkutsutun digitaalisen fenotyypityksen yhdistelmän. Ensimmäisessä tutkimuksessa osoitan, miten spatiaalinen tasoitus aiheuttaa ennustamattomia vaikutuksia lepotilassa mitattujen fMRIaineistojen vertailussa ryhmien välillä. Seuraavassa työssä esittelen ohjelmistotyökalun, joka on kehitetty digitaalisen fenotyypityksen aineistojen esikäsittelyyn, analyysiin ja visualisointiin, keskittyen erityisesti ulkoisten vaikutusten tarkempaan kvantifiointiin. Kolmas tutkimus on katsaus siihen, miten MRI-aivokuvantaminen ja kannettavien laitteiden avulla tehtävä digitaalinen fenotyypitys mahdollistavat ulkoisten tekijöiden seurannan luonnollisissa olosuhteissa ja niiden vaikutuksen tarkemman mittaamisen. Viimeisessä tutkimuksessa osoitan, miten ulkoiset tekijät, kuten uni, fyysinen aktiivisuus, mieliala, hengitystiheys ja sydämen sykevälivaihtelut korreloivat merkittävästi fMRI:stä johdettujen aivoverkostojen kanssa, jopa viidentoista päivän viiveellä. Väitöskirjani osoittaa, että käytetyt esikäsittelymenetelmät ja ulkoiset tekijät vaikuttavat fMRI:stä johdettujen aivoverkostojen rakenteeseen usein odottamattomilla tavoilla. Tutkimus tukee MRIaineistojen ja digitaalisen fenotyypityksen yhdistämistä siltojen rakentamiseksi aivotutkimuksen ja luonnollisten kokemusten välille, laajentaen aivotutkimusta skannereista kohti todellisuutta. Tulokseni osoittavat, että ulkoisten tekijöiden ja aivoverkostojen välillä on ajallista kovariaatiota. Tämä on tärkeää sellaisten mielenterveysongelmien ymmärtämiseksi, joiden yhteydessä esiintyy viikottaista vaihtelua. Aivoverkostoanalyysin yhdistäminen ympäristö- ja käyttäytymispohjaisista neuromodulaattoreista saatavaan tietämykseen vie luonnollista aivotutkimusta eteenpäin ja tukee tarkkuuslääketieteen kehitystä yksilötason vaihtelun ymmärtämisen kautta.Description
Supervising professor
Saramäki, Jari, Prof., Aalto University, Department of Computer Science, FinlandThesis advisor
Glerean, Enrico, D.Sc., Aalto University, Department of Neuroscience and Biomedical Engineering, FinlandSams, Mikko, Prof. Emeritus, Aalto University, Department of Neuroscience and Biomedical Engineering, Finland
Keywords
brain connectivity, brain networks, fMRI, preprocessing, brain precision mapping, digital phenotyping, smartphones, wearable technology, verkostoneurotiede, aivoverkostot, fMRI, esikäsittely, aivokartoitus, digitaalinen fenotyyppi, älypuhelimet, puettavat laitteet
Other note
Parts
-
[Publication 1]: A. M. Triana, E. Glerean, J. Saramaki and O. Korhonen. Effects of spatial smoothing on group-level differences in functional brain networks. Network Neuroscience, 4(3), 556-574, July 2020.
Full text in Acris/Aaltodoc: https://urn.fi/URN:NBN:fi:aalto-202008064511DOI: 10.1162/netn_a_00132 View at publisher
-
[Publication 2]: A. Ikaheimonen, A. M. Triana, N. Luong, A. Ziaei, J. Rantaharju, R. Darst and T. Aledavood. Niimpy: a toolbox for behavioral data analysis. SoftwareX, 101472, July 2023.
DOI: 10.1016/j.softx.2023.101472 View at publisher
- [Publication 3]: A. M. Triana, J. Saramaki, E. Glerean and N. M. E. A. Hayward. Neuroscience meets behavior: a systematic literature review on Magnetic Resonance Imaging of the brain combined with real-world digital phenotyping. Human Brain Mapping, 45(4), e26620, March 2024.DOI: 10.1002/hbm.26620
- [Publication 4]: A. M. Triana, J. Salmi, N. Hayward, J. Saramaki and E. Glerean. Effects of daily environmental, physiological, and lifestyle factors on functional brain connectivity. Stage 1 Preregistration Accepted in Principle by PLOS Biology. Stage 2 Submitted to PLOS Biology, OSF Preregistration:osf.io/5hu9c, Jan 2024.
