Impronte topologiche dell'individualità e dell'età del cervello

By combining Topological Data Analysis (TDA) with Higher-Order Interactions (HOIs), we show here that both higher-order time series discriminate among brain individuals and age groups, better than using nodal activity, in real and simulated fMRI data. Our results provide novel insights about the overall brain dynamic repertoire, but can also help develop diagnostic tools for brain disease. The high spatiotemporal dimensionality and complexity of neuroimaging data make the study of the whole-brain functional connectivity a tough challenge. In the last few decades a novel approach has been developed to overcome this problem without arbitrarily collapsing data in space or time, applying an algorithm based on TDA called Mapper. We expand this method to identify individual and group-level brain signatures. We also introduce two measures to quantify the community structure of networks, the Jensen-Shannon modularity, and the level of identifiability of the communities, which we called the topological fingerprint, underlying the connection with the brain fingerprint already used in the literature.

Combinando l'analisi topologica dei dati (TDA) e le interazioni ad alto ordine (HOIs), abbiamo mostrato che entrambi gli ordini superiori delle serie temporali distinguono meglio della mappa di attivazione tra individui ed età, in dati fMRI sia reali che sintetici. I risultati potrebbero fornire nuove prospettive circa le dinamiche del cervello, ma anche aiutare lo sviluppo di strumenti diagnostici. L'alta dimensionalità spazio-temporale e la complessità delle immagini cerebrali rendono lo studio della connettività funzionale una sfida. Nelle ultime decine di anni è stato sviluppato un approccio basato sulla TDA, chiamato Mapper, in grado di oltrepassare questi ostacoli. Abbiamo allargato l'utilizzo di questo metodo per identificare impronte dell'individualità e dell'età cerebrale. Abbiamo inoltre introdotto due misure per quantificare la struttura di comunità nelle reti, la modularità di Jensen-Shannon e il livello di identificabilità delle comunità, che abbiamo chiamo impronta topologica della rete, per sottolineare la connessione con l'impronta cerebrale già usata in letteratura.