Overlapping community detection in functional cortical networks

Das Studium der allgemeinen Architektur des menschlichen Gehirns ist einer der Pfade auf dem Weg zum Verstandnis seiner Mechanismen und Funktionen, und schlussendlich der menschlichen Kognition. Die Fortschritte in der funktionalen Magnetresonanztomographie erlauben uns, die Architektur des zerebralen Kortex nicht nur anatomisch, sondern auch funktional zu untersuchen. Metriken wie die Korrelation und Koharenz des BOLD-Kontrasts konnen verwendet werden, um die Starke der funktionalen Verbindungen zwischen kortikalen Gebieten zu untersuchen. Die Untersuchung dieses Netzwerks erlaubt es, Gebiete mit derselben Funktion (funktionelle Gemeinschaft oder Netzwerk) zu identifizieren. Die meisten aktuellen Methoden basieren allerdings auf der Annahme, dass jede Region Teil von nur einem funktionellen Netzwerk ist. Inspiriert von Ideen aus der Forschung an dynamischen Systemen, Enaktivismus und den Sozialwissenschaften wird diese Arbeit diese Annahme von singularen Funktionen von Gehirnregionen in Frage stellen, und den Vorschlag fur die Einfuhrung von Uberlappungen machen. Das Ziel dieser Arbeit ist es, eine Methode fur die Entdeckung von funktionalen Netzwerken zu erstellen, und ihre Nutzlichkeit in der Forschung an Konnektomen zu untersuchen. Dies geschieht einerseits durch einen Vergleich der existierenden Methoded aus der Literatur und dem Versuch, diese Ergebnisse zu wiederholen, und anderseits durch Tests, ob die Prasenz von Uberlappungen die Stabilitat der Parzellierungen einzelner Teilnehmer verbessert. Die Wahl des symmetrischen nicht-negativen Matrixfaktorisierungsalgorithmus zur Entdeckung von Netzwerken wird dadurch unterstutzt, dass es sich zeigen lasst, dass er stabile und reproduzierbare Ergebnisse nicht nur fur gesammte Populationen, sondern auch im Einzelnen, erzeugt. Der letzte Abschnitt dieser Arbeit hat das Ziel, die Grose und Verortung von Uberlappungen zu untersuchen, und einen Grund fur deren Existenz zu finden. Diese Arbeit bereitet den Vorschlag, dass die Grose von Uberlappungen als Ahnlichkeitsmetrik fur Netzwerke aufgefasst werden kann, und zeigt, dass manche Uberlappung benutzt werden konnen, um die Verortung weiteren Netzwerke zu bestimmen. Dies ist moglich in dem Fall, dass ihre Zahl erhort wird, oder falls es moglich ist, eine interpretierbare unabhangige Komponentenanalyse des BOLD-Signals durchzufuhren, was einen Schritt naher zur individualisierten Neurodiagnose und -behandlung darstellt.