[論文レビュー] Restate the reference for EEG microstate analysis

Shiang Hu, Esin Karahan+1 more|arXiv (Cornell University)|Feb 8, 2018

Functional Brain Connectivity Studies参考文献 47被引用数 5

ひとこと要約

本研究は、微状態解析（quasi-stable脳ネットワーク状態を特定する手法）におけるEEG基準電極方式の影響を評価する。具体的には、参照電極標準化技術（REST）と平均基準（AR）の比較を行う。微状態ベースの前方モデルと実際のEEGデータを用いて、著者らは、模擬実験ではRESTが仮定された地形に近いクラスターマップを回復することを示し、実データではARと比べて顕著に異なる、より一貫性のある微状態マップを生成することを示した。これは、RESTが微状態特徴の客観性と信頼性を高めることを示唆している。

ABSTRACT

Despite the decades of efforts, the choice of EEG reference is still a debated fundamental issue. Non-neutral reference can inevitably inject the uncontrolled temporal biases into all EEG recordings, which may influence the spatiotemporal analysis of brain activity. A method, termed microstates, identifying spatiotemporal EEG features as the quasi-stable topography states in milliseconds, suggests its potential as biomarkers of neurophysiological disease. As reference electrode standardization technique (REST) could reconstruct an infinity reference approximately, it is a question whether REST or the other references will be more reliable than average reference (AR) for the microstates analysis. In this study, we design the microstate-based EEG forward model, and apply different references for microstates analysis. The spatial similarity between the generated and assumed cluster maps is mainly investigated. Furthermore, the real EEG data by the parametric bootstrap method is used to validate the performance of the references. Finally, we find that REST is robust to recover more similar cluster maps to the assumption than AR in the simulation, and the cluster maps between REST and AR on the real EEG data are quite different. This study may indicate that REST contributes to identifying more objective microstates features than AR.

研究の動機と目的

• RESTがEEG解析における平均基準（AR）よりも信頼性の高い微状態特徴を提供するかどうかを評価すること。
• 基準電極の選択が、微状態クラスターマップの空間的正確性に与える影響を調査すること。
• 模擬および実際のEEGデータを用いて、異なる基準の性能を検証すること。
• RESTがARよりも真の微状態地形をよりよく再構築できるかどうかを特定すること。
• 神経生理学的バイオマーカー研究における微状態解析におけるRESTの優位性を実証的根拠として提供すること。

提案手法

• 既知のクラスターマップを有するEEG記録を模擬する微状態ベースのEEG前方モデルを開発した。
• 模擬および実際のEEGデータから微状態を再構築するために、RESTおよびARを適用した。
• 生成されたマップと仮定されたマップの間の空間的類似性（相関係数やコサイン類似度など）を主評価指標とした。
• 実際のEEGデータに対してパラメトリックブートストラップを用いて、基準ごとの微状態マップの統計的安定性を評価した。
• 模擬的および実験的状況下で、RESTおよびARから得られた微状態マップの一貫性と正確性を比較した。
• 真の地形を制御し、基準選択の影響を分離するためのシミュレーションフレームワークを活用した。

実験結果

リサーチクエスチョン

• RQ1 模擬EEGデータにおいて、RESTは平均基準（AR）と比較して、仮定された真の地形に近い微状態クラスターマップを生成するか？
• RQ2 実際のEEG記録において、RESTおよびARから得られる微状態マップはどのように異なるか？
• RQ3 RESTは真の空間的・時間的パターンを回復する点でARよりもより頑健か？
• RQ4 基準の選択が、臨床的または研究的応用における微状態特徴の解釈を顕著に変える可能性があるか？
• RQ5 RESTはARと比較して、微状態解析の客観性と信頼性を向上させるか？

主な発見

• 模擬実験では、RESTが平均基準（AR）と比較して、仮定された真の地形との空間的類似性が顕著に高い微状態クラスターマップを生成した。
• 実際のEEGデータでは、RESTとARから生成された微状態マップは顕著に異なっており、基準の選択が結果としての特徴を変えることを示している。
• シミュレーションフレームワークにおいて、生成マップと仮定マップの空間的類似性は、RESTの方がARよりも一貫して高かった。
• パラメトリックブートストラップ解析により、RESTから得られた微状態マップが、再サンプリングされたデータに対してより安定かつ一貫性があることが確認された。
• これらの結果は、RESTがARよりも微状態解析に信頼性の高い基準である可能性を示しており、特に客観的な脳ネットワーク状態の同定において有効である。
• 本研究は、神経生理学的バイオマーカー研究における微状態解析においてRESTをARよりも優先して採用する実証的根拠を提供している。