[論文レビュー] The Signal Space Separation method

Samu Taulu, M. Kajola+1 more|ArXiv.org|Jan 30, 2004

Blind Source Separation Techniques参考文献 5被引用数 20

ひとこと要約

信号空間分離（SSS）法は、マグネトエンセファログラフィー（MEG）における脳由来の磁気信号と外部の干渉からの分離を、機能的展開のアプローチによって提案する。信号空間を内部源に対応する基底ベクトルと外部ノイズに対応する基底ベクトルに分解することにより、SSSはノイズ抑制、仮想センサ変換、アーチファクト補正を可能にし、多チャンネルMEGシステムにおける信号の忠実性向上に数学的に洗練され効果的なソリューションを提供する。

ABSTRACT

Multichannel measurement with hundreds of channels essentially covers all measurable degrees of freedom of a curl and source free vector field, like the magnetic field in a volume free of current sources (e.g. in magnetoencephalography, MEG). A functional expansion solution of Laplace's equation enables one to separate signals arising from the sphere enclosing the interesting sources, e.g. the currents in the brain, from the rest of the signals. The signal space separation (SSS) is accomplished by calculating individual basis vectors for each term of the functional expansion solution to create a signal basis covering all measurable signal vectors. Any signal vector has a unique SSS decomposition with separate coefficients for the interesting signals and signals coming from outside the interesting volume. Thus, SSS basis provides an elegant method to remove external disturbances, and to transform the interesting signals to virtual sensor configurations. SSS can also be used in compensating the movements of the subject and removing the artefacts caused by magnetized particles in the subject.

研究の動機と目的

• 多チャンネルMEG記録における外部磁界干渉の課題に対処し、信号品質の低下とソース局在の複雑化を軽減すること。
• 脳内に起因する信号（内部源）と、関心領域外に起因する信号（外部ノイズ）を数学的に厳密に分離する手法の開発。
• 信号分析およびアーチファクト補正の向上を図るため、測定信号を仮想センサ構成に変換すること。
• 被験者の動き補正および被験者内に存在する磁化粒子に起因するアーチファクト除去のためのフレームワークを提供すること。

提案手法

• 被験者の頭部のような電流のない領域における磁界をモデル化するため、ラプラス方程式の機能的展開解を用いる。
• 機能的展開の各項に対応する個別の基底ベクトルを構築し、測定可能なすべての信号ベクトルをカバーする完全な信号基底を形成する。
• 各信号ベクトルは、SSS基底を介して、内部（脳）信号成分と外部（ノイズ）信号成分に対応する係数に一意に分解される。
• この分解により、外部干渉を特定的にフィルタリングしつつ、内部信号成分を保持・変換することが可能になる。
• 内部信号成分を新しいセンサ配置に再表現することにより、仮想センサ構成への変換が可能になる。
• 外部信号空間内にその寄与をモデル化することにより、被験者の動き補正および磁化粒子に起因するアーチファクトの除去が可能になる。

実験結果

リサーチクエスチョン

• RQ1 多チャンネルMEGシステムにおいて、どのようにして脳由来の磁気信号を外部環境ノイズから効果的に分離できるか？
• RQ2 磁界の解の機能的展開を用いて、内部信号寄与と外部信号寄与を区別できる基底を構築できるか？
• RQ3 SSSは、MEG記録における脳信号の整合性を保ちながら、外部干渉をどの程度効果的に抑制できるか？
• RQ4 SSSは、被験者の動き補正および磁化粒子に起因するアーチファクトの除去にどのように応用できるか？
• RQ5 SSSを用いて測定信号を仮想センサ構成に変換する数学的および実用的妥当性は何か？

主な発見

• SSS法は、信号空間を内部成分と外部成分に明確に分離することで、脳由来の磁気信号と外部干渉を効果的に分離することに成功した。
• 任意の測定信号ベクトルが、内部信号寄与と外部信号寄与に対応する係数に一意かつ数学的に一貫した分解が可能である。
• 外部ノイズはSSS基底への射影によって効果的に抑制され、脳活動のクリアな抽出が可能になった。
• 内部信号成分は仮想センサ構成に変換可能であり、これにより信号処理および解析の向上が実現した。
• 被験者の動き補正および磁化粒子に起因するアーチファクトの除去においても、本手法は有効であった。これは、これらの影響が外部信号空間にモデル化されているためである。
• 本手法は、数百のセンサを有する多チャンネルシステムに対しても、強固でスケーラブルであることが、マグネトエンセファログラフィーの文脈で示された。