SimiNet: a Novel Method for Quantifying Brain Network Similarity

Autor: Ahmad Mheich, Olivier Dufor, Fabrice Wendling, Mohamad Khalil, Vincent Gripon, Mahmoud Hassan
Přispěvatelé: Laboratoire Traitement du Signal et de l'Image (LTSI), Université de Rennes (UR)-Institut National de la Santé et de la Recherche Médicale (INSERM), Centre AZM pour la Recherche en Biotechnologie et ses Applications, Université Libanaise, Lab-STICC_IMTA_CACS_IAS, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT), Département Electronique (IMT Atlantique - ELEC), IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), FP7/2007-2013, European Research Council, ANR-10-LABX-07-01, National Research Agency, Rennes University Hospital, 290901, ERC, ANR-10-LABX-0007,COMIN Labs,Digital Communication and Information Sciences for the Future Internet(2010), European Project: 290901,EC:FP7:ERC,ERC-2011-ADG_20110209,NEUCOD(2012), Laboratoire Traitement du Signal et de l'Image ( LTSI ), Université de Rennes 1 ( UR1 ), Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ), Lab-STICC_TB_CACS_IAS, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Département Electronique ( ELEC ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], ANR-10-LABX-07-01,labex Cominlabs,Laboratoire d'excellence CominLabs ( 2013 ), European Project : 290901,EC:FP7:ERC,ERC-2011-ADG_20110209,NEUCOD ( 2012 ), Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Institut National de la Santé et de la Recherche Médicale (INSERM), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Département Electronique (ELEC), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Laboratoire ISEN (L@BISEN), Institut supérieur de l'électronique et du numérique (ISEN)-YNCREA OUEST (YO), Hassan, Mahmoud, Digital Communication and Information Sciences for the Future Internet - - COMIN Labs2010 - ANR-10-LABX-0007 - LABX - VALID, Neural coding, specification, design and test of message passing neural machines - NEUCOD - - EC:FP7:ERC2012-02-01 - 2017-01-31 - 290901 - VALID
Jazyk: angličtina
Rok vydání: 2018
Předmět:
0301 basic medicine
Computer science
Context (language use)
[ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing
computer.software_genre
Graph similarity
03 medical and health sciences
0302 clinical medicine
Spatial network
Similarity (network science)
[INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing
Artificial Intelligence
Node (computer science)
[SDV.NEU] Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC]
[ SDV.IB ] Life Sciences [q-bio]/Bioengineering
Spatial analysis
ComputingMilieux_MISCELLANEOUS
[SPI.SIGNAL] Engineering Sciences [physics]/Signal and Image processing
[SDV.IB] Life Sciences [q-bio]/Bioengineering
Applied Mathematics
[SCCO.NEUR]Cognitive science/Neuroscience
spatial information
brain networks
Graph
030104 developmental biology
Computational Theory and Mathematics
Categorization
Quantitative Biology - Neurons and Cognition
FOS: Biological sciences
[INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV]
[ SDV.NEU ] Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC]
Algorithm design
Neurons and Cognition (q-bio.NC)
[SDV.IB]Life Sciences [q-bio]/Bioengineering
[SDV.NEU]Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC]
Computer Vision and Pattern Recognition
Data mining
computer
[SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing
030217 neurology & neurosurgery
Software
Zdroj: IEEE Transactions on Pattern Analysis and Machine Intelligence
IEEE Transactions on Pattern Analysis and Machine Intelligence, 2018, 40 (9), pp.2238-2249. ⟨10.1109/TPAMI.2017.2750160⟩
IEEE Transactions on Pattern Analysis and Machine Intelligence, Institute of Electrical and Electronics Engineers, 2017, pp.1-1. 〈http://ieeexplore.ieee.org/document/8030083/〉. 〈10.1109/TPAMI.2017.2750160〉
IEEE Transactions on Pattern Analysis and Machine Intelligence, Institute of Electrical and Electronics Engineers, 2018, 40 (9), pp.2238-2249. ⟨10.1109/TPAMI.2017.2750160⟩
ISSN: 0162-8828
DOI: 10.1109/TPAMI.2017.2750160⟩
Popis: International audience; Quantifying the similarity between two networks is critical in many applications. A number of algorithms have been proposed to compute graph similarity, mainly based on the properties of nodes and edges. Interestingly, most of these algorithms ignore the physical location of the nodes, which is a key factor in the context of brain networks involving spatially defined functional areas. In this paper, we present a novel algorithm called “SimiNet” for measuring similarity between two graphs whose nodes are defined a priori within a 3D coordinate system. SimiNet provides a quantified index (ranging from 0 to 1) that accounts for node, edge and spatiality features. Complex graphs were simulated to evaluate the performance of SimiNet that is compared with eight state-of-art methods. Results show that SimiNet is able to detect weak spatial variations in compared graphs in addition to computing similarity using both nodes and edges. SimiNet was also applied to real brain networks obtained during a visual recognition task. The algorithm shows high performance to detect spatial variation of brain networks obtained during a naming task of two categories of visual stimuli: animals and tools. A perspective to this work is a better understanding of object categorization in the human brain.
Databáze: OpenAIRE
Externí odkaz: