[論文レビュー] Measuring the functional connectome "on-the-fly": towards a new control signal for fMRI-based brain-computer interfaces

Ricardo Pio Monti, Romy Lorenz+3 more|arXiv (Cornell University)|Feb 8, 2015

Functional Brain Connectivity Studies参考文献 47被引用数 3

ひとこと要約

本論文では、fMRIデータから動的機能的結合ネットワークをリアルタイムで推定するためのrt-SINGLEを提案する。SINGLE手法をスパースで時間的に均一なネットワークに適応させたもので、タスクや刺激誘発の脳ネットワーク構造の変化を迅速に検出可能であり、全脳結合を制御信号として用いる次世代fMRIベースの脳-コンピュータインターフェースへの実現可能性を示している。

ABSTRACT

There has been an explosion of interest in functional Magnetic Resonance Imaging (MRI) during the past two decades. Naturally, this has been accompanied by many major advances in the understanding of the human connectome. These advances have served to pose novel challenges as well as open new avenues for research. One of the most promising and exciting of such avenues is the study of functional MRI in real-time. Such studies have recently gained momentum and have been applied in a wide variety of settings; ranging from training of healthy subjects to self-regulate neuronal activity to being suggested as potential treatments for clinical populations. To date, the vast majority of these studies have focused on a single region at a time. This is due in part to the many challenges faced when estimating dynamic functional connectivity networks in real-time. In this work we propose a novel methodology with which to accurately track changes in functional connectivity networks in real-time. We adapt the recently proposed SINGLE algorithm for estimating sparse and temporally homo- geneous dynamic networks to be applicable in real-time. The proposed method is applied to motor task data from the Human Connectome Project as well as to real-time data ob- tained while exploring a virtual environment. We show that the algorithm is able to estimate significant task-related changes in network structure quickly enough to be useful in future brain-computer interface applications.

研究の動機と目的

• fMRIにおける動的機能的結合ネットワークをリアルタイムで推定する手法を開発し、単一領域のROIベースの神経フィードバックを越えること。
• 閉ループ脳-コンピュータインターフェース（BCI）アプリケーションに十分な速度で、時間的に変化するスパースな機能的ネットワークを推定する課題に対処すること。
• タスクベースfMRIデータおよびリアルタイム仮想環境探索の両方で手法を検証し、機能的ネットワークの変化に敏感であることを示すこと。
• 各時刻で更新された機能的結合ネットワークを報告できる計算効率の良いソリューションを提供し、リアルタイムフィードバックに適すること。

提案手法

• 元来オフラインでスパースで時間的に均一なネットワーク推定を目的としていたSINGLEアルゴリズムを、再帰的推定と適応的忘却係数を用いてリアルタイムで動作可能に適応させる。
• 忘却係数を時間とともに調整する重み付き移動平均を用いて、逐次的に標本平均および共分散行列を更新する。
• 非微分可能なペナルティ項を含む対数尤度に基づく目的関数を採用し、その導関数を忘却係数に関して計算することで近似する。
• 完全な再反転を各ステップで行わずに、逆共分散行列の更新をシャーマン・ウッドベリーの公式を用いて効率的に実行する。
• 対数尤度関数を忘却パラメータに関して微分することで、適応的忘却係数の解析的勾配を導出し、オンライン最適化を可能にする。
• 計算効率を維持しながらネットワーク変化の正確な追跡を実現するため、ブロック単位での更新戦略を採用する。

実験結果

リサーチクエスチョン

• RQ1 リアルタイムアルゴリズムは、BCIアプリケーションに十分な速度でfMRIデータから動的機能的結合ネットワークを正確に推定できるか？
• RQ2 提案手法は、運動タスクや環境刺激によって誘発される機能的結合の急激な変化をどれほど正確に追跡できるか？
• RQ3 リアルタイム制約下でも、スパースで時間的に均一なネットワークの推定において、rt-SINGLEアルゴリズムは精度を維持できるか？
• RQ4 外部刺激、例えば視覚環境の明るさの変化に対して、関数的に関連するネットワーク再構成を検出できるか？
• RQ5 アルゴリズムの計算コストはどの程度で、リアルタイム神経フィードバックシステムへの実装は可能か？

主な発見

• rt-SINGLEアルゴリズムは、ヒューマン・コンネクトーム・プロジェクトのデータを用いて、運動タスク中における機能的結合の変化を成功裏に検出しており、神経ネットワークダイナミクスへの感受性を確認した。
• リアルタイム仮想環境研究において、明るさの高い状態で活性化されたエッジのネットワークを正確に報告した。外部刺激への応答性を示している。
• シミュレーションにより、rt-SINGLEは時間経過に伴う共分散構造の変化を効果的に追跡でき、動的ネットワーク推定において高い正確性を維持していることが示された。
• リアルタイム性能が達成されており、各時刻でネットワーク推定が報告され、閉ループBCIシステムの低遅延要件を満たしている。
• 計算コストは管理可能であり、各ステップで完全な行列反転を実行しない効率的な再帰的更新により、リアルタイム動作が可能であることが分かった。
• 特にスパースなネットワーク構成において、標準的なウィンドウ型相関手法に比べ、微細なタスク調整付き結合変化を検出する能力で優れている。