[論文レビュー] Neural Connectivity in M/EEG with Hidden Hermitian Gaussian Graphical Model

Deirel Paz-Linares, Eduardo Gonzalez-Moreira+1 more|arXiv (Cornell University)|Oct 2, 2018

Neural dynamics and brain function被引用数 1

ひとこと要約

本論文は、体積伝導による漏れを軽減するためのスパarsな接続性事前分布を用いた、新しい周波数ドメイン線形ステートスぺースフレームワーク、隠れガウスグラフィカルステートモデル（HIGGS）を提案する。M/EEGにおける神経結合の再構築が向上し、特に頭部の不均一性を有するEEGにおいて顕著である。非ヒト霊長類における同時EEGおよびECoG記録により、非侵襲的アプローチの妥当性を初の確認的証拠で裏付けた。

ABSTRACT

The noninvasive procedures for neural connectivity are under questioning. Theoretical models sustain that the electromagnetic field registered at external sensors is elicited by currents at neural space. Nevertheless, what we observe at the sensor space is a superposition of projected fields, from the whole gray-matter. This is the reason for a major pitfall of noninvasive Electrophysiology methods: distorted reconstruction of neural activity and its connectivity or leakage. It has been proven that current methods produce incorrect connectomes. Somewhat related to the incorrect connectivity modelling, they disregard either Systems Theory and Bayesian Information Theory. We introduce a new formalism that attains for it, Hidden Gaussian Graphical State-Model (HIGGS). A neural Gaussian Graphical Model (GGM) hidden by the observation equation of Magneto-encephalographic (MEEG) signals. HIGGS is equivalent to a frequency domain Linear State Space Model (LSSM) but with sparse connectivity prior. The mathematical contribution here is the theory for high-dimensional and frequency-domain HIGGS solvers. We demonstrate that HIGGS can attenuate the leakage effect in the most critical case: the distortion EEG signal due to head volume conduction heterogeneities. Its application in EEG is illustrated with retrieved connectivity patterns from human Steady State Visual Evoked Potentials (SSVEP). We provide for the first time confirmatory evidence for noninvasive procedures of neural connectivity: concurrent EEG and Electrocorticography (ECoG) recordings on monkey. Open source packages are freely available online, to reproduce the results presented in this paper and to analyze external MEEG databases.

研究の動機と目的

• 体積伝導およびセンサレベルでの信号重畳によって引き起こされる非侵襲的M/EEGにおける結合性歪みという重要な問題に取り組む。
• システム理論およびベイズ情報理論の原則を無視する既存手法の限界を克服する。
• 周波数ドメインにおける隠れガウスグラフィカルモデルの数学的に厳密な高次元ソルバーを開発する。
• 現実的な頭部の体積伝導不均一性を伴うEEGにおいて、神経結合推定の向上を示す。
• 非ヒト霊長類における同時EEGおよびECoG記録を用いた実証的検証を提供する。

提案手法

• スパース接続性事前分布を備えた周波数ドメイン線形ステートスぺースモデル（LSSM）として、隠れガウスグラフィカルステートモデル（HIGGS）を定式化する。
• 神経活動を潜在的ガウスグラフィカルモデルとしてモデル化し、M/EEGセンサ信号を線形混合・空間的投影観測として扱う。
• 周波数ドメインの定式化を導入することで、神経結合ダイナミクスのスペクトル解析を可能にする。
• 構造的事前分布を用いたベイズ推論を適用し、接続性推定におけるスパarsityの強制と漏れの低減を実現する。
• 周波数ドメインにおける効率的推論を可能にする高次元ソルバーを開発し、現実的なM/EEGデータへのスケーラビリティを実現する。
• モデル構造にシステム理論および情報理論の原則を統合し、理論的整合性を確保する。

実験結果

リサーチクエスチョン

• RQ1 スパース接続性事前分布を備えた周波数ドメイン隠れ状態空間モデルは、M/EEG結合性推定における漏れを低減できるか？
• RQ2 HIGGSは、EEGにおける現実的な頭部体積伝導不均一性下でも神経結合の再構築にどの程度効果を示すか？
• RQ3 既存の非侵襲的手法と比較して、HIGGSはコネクトームの正確性をどの程度向上させるか？
• RQ4 非ヒト霊長類における同時EEGおよびECoG記録は、非侵襲的結合性推定の妥当性を確認する証拠を提供できるか？
• RQ5 提案された数学的フレームワークは、高次元で現実世界のM/EEGデータに対してスケーラブルかつ頑健であるか？

主な発見

• HIGGSは、頭部の体積伝導不均一性に起因するEEG信号における漏れ効果を顕著に低減した。
• 本モデルは、ヒトの定常状態視覚誘発電位（SSVEP）データにおいて、より正確な神経結合パターンを生成した。
• 非ヒト霊長類における同時EEGおよびECoG記録を通じて、非侵襲的EEGと侵襲的記録のECoG結合性の間で一貫性が確認され、初の確認的証拠が得られた。
• 周波数ドメインにおけるHIGGSソルバーは、高次元神経状態空間における効率的かつ安定した推論を可能にした。
• 本手法はシステム理論およびベイズ情報理論を統合し、従来手法の理論的欠陥を是正した。
• オープンソース実装が公開されており、再現性の確保および外部M/EEGデータベースへの応用を可能にした。