[論文レビュー] Coherence and phase synchronization: generalization to pairs of multivariate time series, and removal of zero-lag contributions

Roberto D. Pascual‐Marqui|ArXiv.org|Jun 12, 2007

Neural dynamics and brain function参考文献 15被引用数 59

ひとこと要約

本稿は、EEG/MEG神経画像法における結合推定の課題に応えるために、整合性および位相同期を複数の多次元時系列のペアへ一般化する。空間分解能が低いことによる偽のゼロラグ寄与を除去する手法を導入し、非侵襲的記録から真の神経結合をより正確に推定可能にする。

ABSTRACT

Coherence and phase synchronization between time series corresponding to different spatial locations are usually interpreted as indicators of the connectivity between locations. In neurophysiology, time series of electric neuronal activity are essential for studying brain interconnectivity. Such signals can either be invasively measured from depth electrodes, or computed from very high time resolution, non-invasive, extracranial recordings of scalp electric potential differences (EEG: electroencephalogram) and magnetic fields (MEG: magnetoencephalogram) by means of a tomography such as sLORETA (standardized low resolution brain electromagnetic tomography). There are two problems in this case. First, in the usual situation of unknown cortical geometry, the estimated signal at each brain location is a vector with three components (i.e. a current density vector), which means that coherence and phase synchronization must be generalized to pairs of multivariate time series. Second, the inherent low spatial resolution of the EEG/MEG tomography introduces artificially high zero-lag coherence and phase synchronization. In this report, solutions to both problems are presented. Two additional generalizations are briefly mentioned: (1) conditional coherence and phase synchronization; and (2) non-stationary time-frequency analysis. Finally, a non-parametric randomization method for connectivity significance testing is outlined. The new connectivity measures proposed here can be applied to pairs of univariate EEG/MEG signals, as is traditional in the published literature. However, these calculations cannot be interpreted as connectivity, since it is in general incorrect to associate an extracranial electrode or sensor to the underlying cortex.

研究の動機と目的

• EEG/MEG源からの多次元時系列に適用された従来の整合性および位相同期法の限界を解決すること。
• EEG/MEG源局在化手法の空間分解能が低いことによる、偽の高いゼロラグ整合性の問題を解消すること。
• 非同期的でゼロラグの寄与をフィルタリングすることで、真の機能的結合のより正確な推定を可能にすること。
• 各脳領域におけるベクトル値信号を扱えるように結合測度を一般化し、源空間における3成分電流密度を反映すること。
• パrametricな仮定を必要としないランダマイゼーション手法を用いて、結合推定の統計的有意性を検証すること。

提案手法

• 各空間的位置におけるベクトル値信号への形式的拡張により、二変量整合性および位相同期を多次元時系列へ一般化する。
• 2つの多次元時系列間の完全なクロススペクトル行列を考慮した多次元整合性および位相同期測度を定義する。
• 周波数領域的手法を用いて、整合性をゼロラグおよび非ゼロラグ成分に分解する。
• 合計整合性からのゼロラグ寄与を差し引くことで、非ゼロラグ成分のみを分離し、意味のある結合を特定する。
• 非パrametricなランダマイゼーション手順を用いて、残存する非ゼロラグ結合値の統計的有意性を評価する。
• 非定常信号のための条件付き整合性および時間周波数解析への拡張を簡単に提示する。

実験結果

リサーチクエスチョン

• RQ1 神経画像法における複数の多次元時系列ペアに対して、整合性および位相同期をどのように意味的に一般化できるか？
• RQ2 EEG/MEG源再構築における空間分解能の低さが、ゼロラグ整合性をどれほど不適切に高めるか？
• RQ3 ゼロラグ寄与を除去することで、脳ネットワークにおける機能的結合の推定精度が向上するか？
• RQ4 多次元信号構造（例：3成分電流密度）が整合性推定に与える影響は何か？
• RQ5 パrametricな仮定を必要とせず、結合推定の有意性をどのように評価できるか？

主な発見

• 提案された多次元整合性および位相同期測度は、標準的な二変量手法をベクトル値信号へ拡張し、源空間における脳活動解析を可能にする。
• ゼロラグ整合性寄与は、EEG/MEG源局在化に内在する空間的ぼやけの影響により著しく高められていることが判明し、特に標準的な低分解能トモグラフィー法で顕著である。
• ゼロラグ成分を除去することで、周波数ロックされた非同時相互作用にのみ焦点を当てた、真の機能的結合のより正確な表現が可能になる。
• 非パrametricなランダマイゼーション手法は、結合推定の有意性を検証するための堅牢で分布に依存しないアプローチを提供する。
• この手法的フレームワークは、既存のEEG/MEG解析パイプラインと互換性があり、単変量および多次元信号の両方へ適用可能である。
• 条件付き整合性および時間周波数の拡張は実現可能であり、複雑で非定常な神経ダイナミクスの分析に追加のツールを提供する。