[論文レビュー] Covariance of Replicated Modulated Cyclical Time Series

Sofia C. Olhede, Hernando Ombao|arXiv (Cornell University)|Jun 9, 2012

Spectroscopy and Chemometric Analyses被引用数 3

ひとこと要約

本稿では、周波数結合を捉えるために、周期的定常過程モデルを拡張し、より広いスペクトルサポートを許容する、新しい変調付き周期的定常過程モデルを提案する。特にEEGデータにおける非定常時系列の解析に用いられ、マルチテンパー推定と繰り返し試行間の縮小法を用いることで、位相ずれに起因するバイアスを低減し、周波数間コherーロンスを推定する。その結果、運動タスク中に顕著なアルファ・ベータ振動の同期が統計的に有意に明らかになった。

ABSTRACT

This paper introduces the novel class of modulated cyclostationary processes, a class of non-stationary processes exhibiting frequency coupling, and proposes a method of their estimation from repeated trials. Cyclostationary processes also exhibit frequency correlation but have Loeve spectra whose support lies only on parallel lines in the dual-frequency plane. Such extremely sparse structure does not adequately represent many biological processes. Thus, we propose a model that, in the time domain, modulates the covariance of cyclostationary processes and consequently broadens their frequency support in the dual-frequency plane. The spectra and the cross-coherence of the proposed modulated cyclostationary process are first estimated using multitaper methods. A shrinkage procedure is then applied to each trial-specific estimate to reduce the estimation risk. Multiple trials of each series are observed. When combining information across trials, we carefully take into account the bias that may be introduced by phase misalignment and the fact that the Loeve spectra and cross-coherence across replicates may only be "similar" - but not necessarily identical - across replicates. The application of the inference methods developed for the modulated cyclostationary model to EEG data also demonstrates that the proposed model captures statistically significant cross-frequency interactions, that ought to be further examined by neuroscientists.

研究の動機と目的

• 従来の周期的定常過程モデルがスペクトルサポートが過度に疎であるために捉えきれない、非定常時系列における周波数結合をモデル化すること。
• 位相ずれを伴う非同一の繰り返し試行におけるLoèveスペクトルおよび周波数間コヒーレンスの推定のための統計的枠組みを構築すること。
• 生物学的信号のスペクトル解析において、位相ずれと試行間のばらつきに起因する推定バイアスを是正すること。
• モデルが、特にアルファ帯（8–12 Hz）とベータ帯（13–30 Hz）の間で、生物学的に意味のある周波数間相互作用を明らかにできることを示すこと。
• 単一試行での定常性が成り立たない状況下でも、高分解能スペクトル解析を可能にする非パラメトリック推定手法を提供すること。

提案手法

• 時間領域における変調付き周期的定常過程を提案し、振幅変調を導入することで、二重周波数平面におけるスペクトルサポートを広げ、周期的定常過程モデルを一般化する。
• 各繰り返し試行について、Loèveスペクトルおよび周波数間コヒーレンスをマルチテンパー法で推定し、分散を低減し、スペクトル漏れを抑える。
• 各試行固有のスペクトル推定に対して縮小手順を適用し、推定リスクを最小化し、頑健性を向上させる。
• プーリングの前に、各試行間におけるLoèveコヒーレンスの位相を除去し、重畳時に破壊的干渉を防ぐ。
• プールされたスペクトル推定に対して特異値分解（SVD）を適用し、共通の周波数相関構造を抽出し、データ内の異なる集団を分類する。
• シミュレーションデータおよび実際のEEG記録を用いてモデルを検証し、試行間のばらつきが存在する中でも、真のスペクトル特徴を回復できることを示した。

実験結果

リサーチクエスチョン

• RQ1 従来の周期的定常過程モデルのスペクトルサポートが疎で平行線的であるのに対し、周波数結合をより広く捉えることのできる非定常時系列モデルを開発可能か？
• RQ2 位相ずれと試行間のばらつきが存在する非同一の繰り返し時系列において、スペクトル推定をどのように改善できるか？
• RQ3 プーリングの前段階で位相を除去し、SVDに基づくプーリングを適用した場合、EEGデータにおける周波数間コヒーレンス推定の正確性にどのような影響を与えるか？
• RQ4 提案手法は、従来のモデルが捉えきれない統計的に有意な周波数間相互作用をEEG信号から明らかにできるか？
• RQ5 複数の異なる集団が存在するデータにおいて、平均化後でも、モデルが元のスペクトル構造を回復できるか？

主な発見

• 提案された変調付き周期的定常モデルは、古典的周期的定常過程モデルに比べ、二重周波数平面におけるスペクトルサポートを広く捉えており、複雑な周波数結合の表現が可能になった。
• マルチテンパー推定に縮小法を組み合わせることで、位相ずれが存在する中でも、試行固有のスペクトル推定の分散と推定リスクが顕著に低減された。
• プーリングの前に位相を除去することで、試行間での破壊的干渉が防止され、コヒーレンス推定の正確性が向上した。
• SVDに基づく分解は、データ内に複数の異なる集団が存在する場合でも、真の周波数相関構造を効果的に回復でき、単純な平均化を上回る性能を示した。
• EEGデータにおいて、運動反応実行、抑制、準備の各状況で、特にアルファ帯（8–12 Hz）とベータ帯（13–30 Hz）の間で統計的に有意な同期が明らかになった。
• モデルは、運動タスク中に一次感覚運動皮質周辺で広範囲にわたる高周波数アルファコヒーレンスの増加を同定し、生物学的妥当性および神経科学的発見の可能性を裏付けた。