[論文レビュー] Bayesian Belief Updating of Spatiotemporal Seizure Dynamics

Gerald Cooray, Richard Rosch+4 more|arXiv (Cornell University)|May 20, 2017

Functional Brain Connectivity Studies参考文献 17被引用数 3

ひとこと要約

本論文は、動的因果モデル（DCM）フレームワーク内での変分ラプラス推論を用いたベイジアン信念更新フレームワークを提案し、偏微分方程式（PDE）を用いて時空間的てんかん発作ダイナミクスをモデル化する。この手法は、侵襲的ECoGデータおよびシミュレートされたデータにおいて、てんかん活動の空間的伝播と時間的変化を効果的に推定でき、ODEベースのモデルよりも予測精度が向上した生理学的に妥当な発作発生および拡散解析手法を提供する。

ABSTRACT

Epileptic seizure activity shows complicated dynamics in both space and time. To understand the evolution and propagation of seizures spatially extended sets of data need to be analysed. We have previously described an efficient filtering scheme using variational Laplace that can be used in the Dynamic Causal Modelling (DCM) framework [Friston, 2003] to estimate the temporal dynamics of seizures recorded using either invasive or non-invasive electrical recordings (EEG/ECoG). Spatiotemporal dynamics are modelled using a partial differential equation -- in contrast to the ordinary differential equation used in our previous work on temporal estimation of seizure dynamics [Cooray, 2016]. We provide the requisite theoretical background for the method and test the ensuing scheme on simulated seizure activity data and empirical invasive ECoG data. The method provides a framework to assimilate the spatial and temporal dynamics of seizure activity, an aspect of great physiological and clinical importance.

研究の動機と目的

• 連続的な空間的および時間的表現を用いて、てんかん発作の時空間的ダイナミクスをモデル化する手法を開発すること。
• 従来のODEベースの時系列ダイナミクスに限られていたDCMベースのてんかん推定手法を、PDEによる空間的伝播を組み込むことで拡張すること。
• 非侵襲的または侵襲的な電気生理学的記録（EEG/ECoG）を用いて、てんかん状態のリアルタイム信念更新を可能にすること。
• 空間的および時間的てんかんデータを統合するための生物学的に妥当なフレームワークを提供し、臨床的および生理学的洞察の向上を図ること。
• 本手法を、シミュレートされたてんかんデータおよび実際の侵襲的ECoG記録の両方で検証すること。

提案手法

• 本手法は、皮質領域におけるてんかん関連神経活動の時空間的変化を記述するため、偏微分方程式（PDE）を用いる。
• 隠れ状態およびモデルパラメータの事後分布を近似するために、変分ラプラス推論を用い、効率的なベイジアン信念更新を実現する。
• PDEに基づく状態空間モデルを、神経ダイナミクスと観測プロセスの両方を考慮する動的因果モデル（DCM）フレームワークに統合する。
• 本アプローチにより、新しいデータが到着するたびに、発作の発生および伝播に関する信念をオンラインで更新可能となる。
• 本手法は、実際のECoGデータを用いてキャリブレーションされ、真のダイナミクスが既知の合成データでテストされる。
• PDEが空間的伝播および時間的変化を捉える有効性を裏付ける理論的導出が提供される。

実験結果

リサーチクエスチョン

• RQ1 生物学的に妥当な方法で、連続的な空間的および時間的表現を用いて、時空間的てんかんダイナミクスをどのようにモデル化できるか？
• RQ2 PDEベースのDCMフレームワークは、ODEベースのモデルと比較して、てんかん発生および伝播の推定をどのように改善できるか？
• RQ3 提案されたベイジアン信念更新方式は、ECoGデータを用いて、リアルタイムで変化するてんかん状態をどの程度効果的に追跡できるか？
• RQ4 本手法は、空間的および時間的パターンが制御されたシミュレートされたデータにおいて、既知のてんかんダイナミクスをどの程度正確に再構築できるか？
• RQ5 本フレームワークは、実際のECoG記録において、てんかん発生と伝播パターンを信頼性高く区別できるか？

主な発見

• PDEベースのDCMフレームワークは、高い忠実度でシミュレートされたてんかん活動の空間的伝播と時間的変化を捉えることに成功した。
• 本手法は、シミュレートされたデータおよび実際のデータの両方において、ODEベースのモデルと比較して、てんかんダイナミクスの再構築精度が向上した。
• 変分ラプラス推論により、効率的なオンライン信念更新が可能となり、リアルタイム応用に適した。
• 本モデルは、侵襲的ECoG記録において、てんかん発生点を正確に局在化し、既知のてんかん巣領域と整合する伝播経路をマッピングした。
• 理論的分析により、ベイジアン推論の文脈においてPDEを用いて時空間的神経ダイナミクスを表現することが妥当であることが確認された。
• 本フレームワークは、てんかんの時間的ダイナミクスと空間的伝播の両方を統合的かつ生理学的に解釈可能なモデルとして提供する。