[論文レビュー] Resting state brain networks from EEG: Hidden Markov states vs. classical microstates

Tammo Rukat, Adam Baker+2 more|arXiv (Cornell University)|Jun 7, 2016

Neural dynamics and brain function参考文献 14被引用数 9

ひとこと要約

本研究では、静止状態脳ネットワークを特定するための、古典的EEGマイクロスタット解析のモデルベースの代替手法として、隠れマルコフモデル（HMM）を提案する。EEGパワー・エンVELOPEのダイナミクスをモデル化することで、100–150 msの寿命を持つ準安定的トポグラフィーが明らかになり、マイクロスタットと類似するが、特に時間的相関が無相関または負相関であるという特徴的な時間的ダイナミクスを示す。これは、HMMがマイクロスタットよりもより生理学的に妥当なネットワークダイナミクスを捉えられることを示唆している。

ABSTRACT

Functional brain networks exhibit dynamics on the sub-second temporal scale and are often assumed to embody the physiological substrate of cognitive processes. Here we analyse the temporal and spatial dynamics of these states, as measured by EEG, with a hidden Markov model and compare this approach to classical EEG microstate analysis. We find dominating state lifetimes of 100--150\,ms for both approaches. The state topographies show obvious similarities. However, they also feature distinct spatial and especially temporal properties. These differences may carry physiological meaningful information originating from patterns in the data that the HMM is able to integrate while the microstate analysis is not. This hypothesis is supported by a consistently high pairwise correlation of the temporal evolution of EEG microstates which is not observed for the HMM states and which seems unlikely to be a good description of the underlying physiology. However, further investigation is required to determine the robustness and the functional and clinical relevance of EEG HMM states in comparison to EEG microstates.

研究の動機と目的

• 隠れマルコフモデル（HMM）が、静止状態脳ネットワークを特徴付けるために、古典的EEGマイクロスタット解析よりも生理学的に妥当な代替手段として機能するかを評価すること。
• 静止状態EEGにおいて、HMMから導かれる状態の空間的および時間的ダイナミクスを、古典的マイクロスタット解析の結果と比較すること。
• マイクロスタットの時間的系列で観察される強い対間相関が、真の生理的ダイナミクスを反映しているのか、それともメソドロジカルなアーチファクトに起因しているのかを調査すること。
• 特に状態の寿命、トポグラフィー、時間的相関構造に関して、HMM状態の頑健性および機能的関連性をマイクロスタットと比較して評価すること。

提案手法

• センサースペースにおけるEEG信号のパワー・エンVELOPEに、ガウス観測モデルを用いた隠れマルコフモデル（HMM）を適用し、潜在的な準安定的脳ネットワーク状態を推定する。
• HMMのパラメータおよび状態時間系列の妥当な推定を可能にするために、変分ベイズを用いた近似推論を実施する。
• 古典的マイクロスタット解析は、グローバルフィールドパワー（GFP）のピークを特定し、k-meansクラスタリングを用いてトポグラフィーを抽出した後、GFPピークでのみ状態遷移が発生すると仮定して時間系列を導出する。
• 両手法から得られた状態時間系列を、さまざまな時間窓幅における最も代表的なEEGセンサのエンVELOPEとの相関分析により比較する。
• モデルの適合度を評価し、最適なHMM状態数を決定するために自由エネルギー基準が用いられたが、テスト範囲内で明確な最小値は観察されなかった。
• HMMとマイクロスタット手法の間で、状態時間系列間の時間的相関構造を定量的に評価・比較し、生理学的妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 HMMから導かれる脳状態は、古典的EEGマイクロスタットと同様の空間的トポグラフィーと時間的ダイナミクスを示すか？
• RQ2 マイクロスタット時間系列で観察される強い対間時間的相関は、生理学的に意味のあるものなのか、それとも手法上の制限に起因するのか？
• RQ3 HMM状態は、マイクロスタットと比較して、無相関または負相関の状態遷移を示すなど、より生物学的に妥当な時間的ダイナミクスを示すか？
• RQ4 HMMの最適な状態数は何か？また、モデルの適合度（自由エネルギー）は状態数の増加に伴いどのように変化するか？
• RQ5 HMM状態は、以前にマイクロスタットに対して報告されたように、EEGデータにおける長距離時間依存性（LRDs）を捉えているか？

主な発見

• HMMとマイクロスタットの両手法とも、100–150 msの支配的状態寿命を同定しており、文献に一致する結果である。
• HMM状態の空間的トポグラフィーは、古典的マイクロスタットと明確に類似しており、対応する状態間で部分的な一致が確認された。
• マイクロスタット時間系列は一貫して高い対間相関（>0.6）を示しており、時間的重複が強いことが示唆され、これが真の生理的ダイナミクスを反映しているとは限らない可能性がある。
• これに対して、HMM状態時間系列は一貫した正の相関を示さず、一部のペアでは-0.5に達する負の相関を示しており、より明確な時間的ダイナミクスを示している。
• 両手法において、状態時間系列とEEGセンサのエンVELOPEとの相関が100–150 msの窓幅でピークに達しており、揺らぎの共通する時間スケールが示唆された。
• 自由エネルギーで測定されるHMMのモデル適合度は、状態数の増加に伴い一貫して低下し、テスト範囲内で明確な最適状態数が得られなかった。これは、被験者固有の状態の出現に起因する可能性が高い。