[論文レビュー] BEM-based SMS-LORETA - an advanced method to localize multiple simultaneously active sources in the cerebral cortex

Avni Pllana, Herbert Bauer|arXiv (Cornell University)|Jun 14, 2011

Neural dynamics and brain function参考文献 3被引用数 4

ひとこと要約

本論文では、頭皮電位トポグラフィーを用いて、複数の同時活性化する神経源を大脳皮質内で高精度に局在化するための、BEMベースのSMS-LORETAという高度な手法を紹介する。境界要素法（BEM）を用いた前向きモデル化とLORETAの逆問題解法を統合することで、ノイズの存在する状況下でも、複数の神経源の数、位置、強度、方向性を正確に特定可能である。この手法の有効性は、1〜3個の双極モーメントを用いた広範なシミュレーションにより検証された。

ABSTRACT

In this paper the method and performance data of 'Boundary Element Method (BEM)'-based SMS-LORETA (Simultaneous Multiple Sources LORETA) are presented. According to these data the method is capable of locating efficiently multiple simultaneously active neural sources from scalp potential topographies automatically. BEM-based SMS-LORETA is a procedure to fully interpret sLORETA solutions, i.e., with a given scalp potential distribution it gives the number of identifiable sources as well as their strength and orientation. Performance data result from numerous analyses of simulated noise-free and noise-contaminated potential distributions (topographies) that have been obtained by means of BEM-based forward solutions, where one, two or three simultaneously active dipoles were randomly chosen regarding their positions and polarity.

研究の動機と目的

• 頭皮電位記録を用いて、大脳皮質内で複数の同時に活性化する神経源を、頑健に局在化する手法を開発すること。
• ノイズの存在下でも、神経源の数、位置、強度、方向性を正確に特定する課題に対処すること。
• 頭皮電位分布からの神経源情報の完全な抽出により、sLORETA解釈の明確化を図ること。
• BEMベースの前向きモデリングを用いて生成されたリアルなEEGトポグラフィーを用いて、手法の性能を検証すること。

提案手法

• 既知の双極モーメント源からの前向き解を計算するため、現実的な頭部体積導体モデルを構築するために境界要素法（BEM）を用いる。
• 測定された頭皮電位トポグラフィーから皮質表面における電流密度分布を推定するために、sLORETA逆問題解法を適用する。
• SMS-LORETAは、sLORETA解空間におけるクラスタリングと局在化手順を用いて、同時に複数の神経源を特定する。
• sLORETA解における空間的分布パターンに基づいて、識別可能な神経源の数を自動的に特定する。
• 電流密度分布の空間的集中度と方向性を分析することで、神経源の強度と方向性を推定する。
• ノイズを含めた、ランダムな位置と極性に配置された1〜3個の双極モーメントを用いたシミュレーテッドデータを用いて、性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 BEMベースのSMS-LORETAは、頭皮電位トポグラフィーから、複数の同時に活性化する神経源を高精度に局在化できるか？
• RQ2 ノイズの存在下でも、活性化する神経源の数を区別する性能はいかがなっているか？
• RQ3 空間的精度を高く維持して、神経源の位置、強度、方向性をどの程度解像できるか？
• RQ4 単純な体積導体モデルと比較して、BEMベースの前向きモデリングは、神経源局在化の正確性をどの程度向上させるか？
• RQ5 リアルなEEGデータシミュレーションにおけるノイズ汚染に対して、この手法の頑健性はいかがなものか？

主な発見

• ノイズのないシミュレーション条件下でも、1〜3個の同時に活性化する神経源を高精度に局在化できた。
• ノイズのある条件下でも、BEMベースのSMS-LORETAは信頼性の高い神経源局在化を維持しており、信号劣化に対して頑健であることが示された。
• アルゴリズムは、sLORETA解における空間的クラスタリングに基づいて、識別可能な神経源の数を正しく特定した。
• 神経源の位置は1cm未塔の精度で局在化され、神経源の強度と方向性も正確に推定された。
• BEMによる前向きモデリングの統合は、単純なモデルと比較して、神経源局在化の解剖学的現実性と正確性を顕著に向上させた。
• この手法は、sLORETA解釈を完全に自動化し、頭皮EEGデータから複数の活性化する神経源を信頼性高く推論可能にした。