[論文レビュー] Extracranial estimation of neural mass model parameters using the Unscented Kalman Filter

Lara Escuain-Poole, Jordi García‐Ojalvo+1 more|arXiv (Cornell University)|Aug 1, 2017

Neural dynamics and brain function参考文献 72被引用数 16

ひとこと要約

本稿では、頭部の体積導体モデル（Aryのモデル）を統合して頭内神経活動を頭皮EEGにマッピングすることで、非侵襲的頭皮EEGデータから神経質量モデルのパラメータと状態を推定するために、カルマンフィルタに基づくデータ同化手法の応用を提案する。主な結果として、多チャンネルEEGは神経動態と結合性を正確に推定可能であるのに対し、単一チャンネルEEGでは多様な脳状態において部分的で不十分な情報しか得られないことが示された。

ABSTRACT

Data assimilation, defined as the fusion of data with preexisting knowledge, is particularly suited to elucidating underlying phenomena from noisy/insufficient observations. Although this approach has been widely used in diverse fields, only recently have efforts been directed to problems in neuroscience, using mainly intracranial data and thus limiting its applicability to invasive measurements involving electrode implants. Here we intend to apply data assimilation to non-invasive electroencephalography (EEG) measurements to infer brain states and their characteristics. For this purpose, we use Kalman filtering to combine synthetic EEG data with a coupled neural-mass model together with Ary's model of the head, which projects intracranial signals onto the scalp. Our results show that using several extracranial electrodes allows to successfully estimate the state and parameters of the neural masses and their interactions, whereas one single electrode provides only a very partial and insufficient view of the system. The superiority of using multiple extracranial electrodes over using only one, be it intra- or extracranial, is shown over a wide variety of dynamical behaviours. Our results show potential towards future clinical applications of the method.

研究の動機と目的

• 侵襲的頭内EEG記録から非侵襲的EEG測定へのカルマンフィルタに基づくデータ同化手法の拡張を目的とする。
• ノイズが強く、間接的で空間的に制限されたEEG観測から神経質量モデルのパラメータと状態を推定する課題に対処すること。
• 多チャンネルEEGと単一チャンネルEEGを用いた場合のUKFの神経動態と結合性推定性能を評価すること。
• 生理学的に妥当な頭部モデルを統合したベイズ的状態およびパラメータ推定を臨床的EEG応用に適用可能かどうかを示すこと。
• 結合神経質量モデルと頭部体積導体モデルを用いて生成された合成EEGデータを用いて、手法の妥当性を検証すること。

提案手法

• 本研究では、非線形かつ非ガウス分布のシステムにおいて、事後分布を近似するためのシグマ点を用いることで、非線形的で非ガウス的な状態とパラメータ推定を実行するため、拡張カルマンフィルタ（UKF）を採用する。
• 結合神経質量モデルが、局所的皮質活動を模倣し、内在的ダイナミクスと柱間結合性を制御するパラメータを有する。
• 体積導体モデル（Aryのモデル）が、頭内神経活動を頭皮電位にマッピングし、神経質量出力からEEG信号の前方シミュレーションを可能にする。
• UKFは、状態と測定モデルの非線形性を考慮して、シグマ点を伝搬させ、状態分布の平均と分散を捕捉するための決定論的サンプリングを用いる。
• 測定更新は、モデルの信頼性と測定ノイズのバランスを取るためにカルマンゲインを用い、測定モデルは神経状態をEEG電位にマッピングする線形行列Hで定義される。
• 本手法は、多様なダイナミクス的状態を示す3柱神経質量モデルを用い、現実的なノイズレベルと電極配置を想定して生成された合成EEGデータを用いてテストされた。

実験結果

リサーチクエスチョン

• RQ1 多チャンネル非侵襲的EEGデータから、拡張カルマンフィルタ（UKF）が神経質量モデルのパラメータと状態を正確に推定できるか？
• RQ2 頭皮電極の数が、神経状態およびパラメータ推定の正確性と完全性にどのように影響するか？
• RQ3 UKFに基づくデータ同化手法は、複雑な神経動態と結合性パターンを解明する点で、単一電極EEGを上回る性能を示すか？
• RQ4 振動的、カオス的、てんかん様活動を含むさまざまなダイナミクス的状態において、本手法はどれほど頑健か？
• RQ5 頭部体積導体モデル（Aryのモデル）の統合により、頭内神経活動から頭皮EEGへの物理的に妥当な前方マッピングが可能となり、非侵襲的推定に応用可能か？

主な発見

• 多チャンネルEEGは、単一チャンネルEEGが部分的で信頼性の低い情報を提供するのに対し、神経質量状態とパラメータのより包括的かつ正確な推定を可能にする。
• UKFは、周期的およびカオス的状態を含む広範なダイナミクス的挙動において、結合神経質量モデルの状態とパラメータを的確に推定できた。
• 複数の電極を用いることで、神経質量ダイナミクスと柱間結合性パターンの再構築が正確に行われ、ノイズやモデル不確実性に対しても頑健であることが示された。
• 単一電極EEGは、空間的アンダーサンプリングのため、神経柱間の相互作用を解明できない。
• Aryの頭部モデルの統合により、頭内神経活動から頭皮EEGへの物理的に妥当な前方マッピングが実現され、本手法は実際の非侵襲的EEGデータに応用可能である。
• 神経質量モデルおよびEEG前方モデルの非線形性をより効果的に扱えることから、UKFは標準的な拡張カルマンフィルタを上回る性能を示しており、収束性と推定精度の向上が裏付けられた。