Skip to main content
Nubint
QUICK REVIEW

[論文レビュー] Measuring hierarchically-organized interactions in dynamic networks through spectral entropy rates: theory, estimation, and illustrative application to physiological networks

Laura Sparacino, Yuri Antonacci|arXiv (Cornell University)|Jan 20, 2024
Neural dynamics and brain functionNeuroscience被引用数 3
ひとこと要約

本稿では、スペクトルエントロピー率、相互情報量率、O情報量率を用いて、動的ネットワークにおける階層的構造を持つ周波数特異的相互作用を情報理論的枠組みで統一的に定量化するためのフレームワークを提案する。時間領域および周波数領域におけるノード固有、ペアワイズ、および高次（3つ以上のノード）相互作用の分析を可能にし、運動タスク中におけるαバンドEEGダイナミクスにおける顕著な再冗長性を明らかにする。

ABSTRACT

Recent advances in signal processing and information theory are boosting the development of new approaches for the data-driven modelling of complex network systems. In the fields of Network Physiology and Network Neuroscience where the signals of interest are often rich of oscillatory content, the spectral representation of network systems is essential to ascribe the analyzed interactions to specific oscillations with physiological meaning. In this context, the present work formalizes a coherent framework which integrates several information dynamics approaches to quantify node-specific, pairwise and higher-order interactions in network systems. The framework establishes a hierarchical organization of interactions of different order using measures of entropy rate, mutual information rate and O-information rate, to quantify respectively the dynamics of individual nodes, the links between pairs of nodes, and the redundant/synergistic hyperlinks between groups of nodes. All measures are formulated in the time domain, and then expanded to the spectral domain to obtain frequency-specific information. The practical computation of all measures is favored presenting a toolbox that implements their parametric and non-parametric estimation, and includes approaches to assess their statistical significance. The framework is illustrated first using theoretical examples where the properties of the measures are displayed in benchmark simulated network systems, and then applied to representative examples of multivariate time series in the context of Network Neuroscience and Network Physiology.

研究の動機と目的

  • ノード固有、ペアワイズ、および高次相互作用を情報理論的測度を用いて一貫的かつスケーラブルに定量化するためのフレームワークを構築すること。
  • スペクトル統合性質を用いて時間領域と周波数領域のネットワーク相互作用表現を統合し、両領域間での一貫性を保証すること。
  • エントロピー率、相互情報量率、O情報量率を周波数領域に拡張することで、周波数特異的分析を可能にし、生理的相互作用を解明すること。
  • パラメトリックおよびノンパラメトリック推定のための実用的ツールボックスを提供し、統計的有意性の検定を可能にすること。
  • 本フレームワークが、特にネットワーク神経科学およびネットワーク生理学分野において、複雑でマルチスケールな相互作用を捉える有効性を示すこと。

提案手法

  • ノードダイナミクス、二項相互作用、および多項（3つ以上のノード）相互作用それぞれに対して、エントロピー率、相互情報量率（MIR）、O情報量率をコア測度として形式化する。
  • スペクトル統合性質を用いて、すべての測度を周波数領域に拡張し、情報ダイナミクスの周波数特異的分析を可能にする。
  • パラメトリックおよびノンパラメトリック推定技術を用い、サロゲートベースの仮説検定により統計的有意性を評価する。
  • 測度の性質を検証するため、シミュレーテッドネットワークシステムにフレームワークを適用し、運動タスク実験から得られた実際の多次元生理的時系列（例：EEG、ECG、EMG）にも適用する。
  • エントロピー率、MIR、O情報量率のスペクトルプロファイルの有意性を評価するために、ブートストラップリサンプリングを用いてサロゲート分布を生成する。
  • 周波数バンド（例：α、β）ごとのすべての測度を統合し、時間領域および周波数領域における全体の情報ダイナミクスを要約する。
Figure 1: Information-theoretic and spectral representations of hierarchically-organized interactions in network systems. a) In Network Physiology, collective interactions among diverse organ systems (e.g., brain, heart, vascular, muscular and respiratory systems) are investigated recording biosigna
Figure 1: Information-theoretic and spectral representations of hierarchically-organized interactions in network systems. a) In Network Physiology, collective interactions among diverse organ systems (e.g., brain, heart, vascular, muscular and respiratory systems) are investigated recording biosigna

実験結果

リサーチクエスチョン

  • RQ1情報理論的測度を、時間領域と周波数領域の両方で一貫的に統合し、動的ネットワークにおける階層的相互作用を定量化する方法は何か？
  • RQ2スペクトル分解は、多次元生理的時系列における生体物理学的に意味のある周期的相互作用をどのように明らかにするか？
  • RQ3運動タスク中における脳ネットワークにおいて、高次相互作用（再冗長性と協同性）はどの程度支配的であり、周波数バンドによってどのように変化するか？
  • RQ4提案されたフレームワークは、ペアワイズのみのネットワークモデルでは見えにくくなる顕著な相互作用を検出できるか？
  • RQ5体積伝導効果は、頭皮EEG記録における再冗長な相互作用の検出にどのように影響を与えるか？

主な発見

  • スペクトルエントロピー率は、10 Hz付近のαバンドに顕著な周期的ダイナミクスを示し、βバンドでは有意でない寄与を示しており、既知の運動タスク関連EEGパターンと整合的である。
  • 相互情報量率（MIR）は、脳半球間（X₁とX₂）に統計的に有意なペアワイズ結合を示し、特にαバンドで最大値を示しており、強い左右半球間同期を示唆している。
  • O情報量率分析により、3ノード相互作用においてαバンドに顕著で統計的に有意な再冗長的寄与が検出され、運動実行中に脳領域間で情報が再冗長に共有されている可能性を示唆している。
  • 統合されたスペクトル測度は、エントロピー率および相互情報量率の両方でαバンドダイナミクスの優位性を確認し、運動関連周期的活動に関する既存の神経生理学的知見と一致している。
  • フレームワークは周波数特異的相互作用を的確に分離し、βバンド活動には有意な結合が認められないことを明らかにした。これは、生理的関連ダイナミクスを検出するにあたり、周波数フィルタリングの重要性を強調している。
  • 結果から、体積伝導が頭皮EEGにおける観察された再冗長性に寄与している可能性が示唆されており、αバンドに顕著な再冗長的相互作用が見られる点は、体積伝導効果に感受性であることが知られている周波数帯域であることに合致している。
Figure 2: Venn-diagram representation of the information measures quantifying hierarchically-organized interactions in static networks of random variables. a) Mutual information between two random variables $V_{1}$ and $V_{2}$ , $I(V_{1};V_{2})$ , obtained as the difference between the entropy $H(V_
Figure 2: Venn-diagram representation of the information measures quantifying hierarchically-organized interactions in static networks of random variables. a) Mutual information between two random variables $V_{1}$ and $V_{2}$ , $I(V_{1};V_{2})$ , obtained as the difference between the entropy $H(V_

より良い研究を、今すぐ始めましょう

論文の読解から最終レビューまで、研究時間を劇的に削減しましょう。

クレジットカード登録不要

このレビューはAIが作成し、人間の編集者が確認しました。