[論文レビュー] Third Generation MEEG Source Connectivity Analysis Toolbox (BC-VARETA 1.0) and Validation Benchmark

Eduardo Gonzalez-Moreira, Deirel Paz-Linares+3 more|arXiv (Cornell University)|Oct 26, 2018

Functional Brain Connectivity Studies被引用数 5

ひとこと要約

本論文は、周波数ドメインにおけるベイジアンスパースモデリングを用いて、脳の結合性をスーパー解像度で推定可能な第3世代のMEEGソース結合性ツールボックスBC-VARETA 1.0を紹介する。このツールボックスは、灰色 matter 分割と妥当性マスクを介して解剖学的事前知識を統合し、現実的な合成データと空間分散やEarth Mover's Distanceといった感受性の高い指標を用いた包括的な検証ベンチマークを備えている。

ABSTRACT

This paper presents a new toolbox for MEEG source activity and connectivity estimation: Brain Connectivity Variable Resolution Tomographic Analysis version 1.0 (BC-VARETA 1.0). It relies on the third generation of nonlinear methods for the analysis of resting state MEEG Time Series. Into the state of the art of MEEG analysis, the methodology underlying our tool (BC-VARETA) brings out several assets. First: Constitutes a Bayesian Identification approach of Linear Dynamical Systems in the Frequency Domain, grounded in more consistent models (third generation). Second: Achieves Super-Resolution, through the iterative solution of a Sparse Hermitian Source Graphical Model. Third: Tackles efficiently in High Dimensional and Complex set up the estimation of connectivity. Fourth: Incorporates priors at the connectivity level by penalizing the groups of variables, corresponding to the Gray Matter anatomical segmentation, and including a probability mask of the anatomically plausible connections. Along with the implementation of our method, we include in this toolbox a benchmark for the validation of MEEG source analysis methods, that would serve for the evaluation of sophisticated methodologies (third generation). It incorporates two elements. First: A realistic simulation framework, for the generation of MEEG synthetic data, given an underlying source connectivity structure. Second: Sensitive quality measures that allow for a reliable evaluation of the source activity and connectivity reconstruction performance, based on the Spatial Dispersion and Earth Movers Distance, in both source and connectivity space.

研究の動機と目的

• 従来の手法に見られる解像度と正確性の制限を克服する次世代のMEEGソース結合性解析ツールボックスの開発。
• 灰色 matter 分割と妥当な結合の確率マスクを用いて、結合性レベルでの解剖学的事前知識の統合。
• 現実的な条件下でMEEGソース解析手法を評価するための標準化された検証フレームワークの提供。
• 高次元で複雑な結合性推定を、より高い耐性と正確性で実現すること。
• 既知の真値を持つ合成データと感受性の高い指標を用いたベンチマークを設け、ソース活動および結合性再構成性能の評価。

提案手法

• 周波数ドメインにおける線形動的システムのベイジアン同定アプローチを採用し、第3世代非線形モデリングに裏付けられる。
• 反復的スパースエルミート型ソースグラフィカルモデルを用いて、ソース局在化におけるスーパー解像度を達成する。
• 灰色 matter の解剖学的セグメンテーションに基づいて、結合性レベルでのグループスパースペナルティを適用する。
• 結合性推定をガイドおよび正則化するために、解剖学的に妥当な結合の確率マスクを統合する。
• 既知のソース結合構造に基づく現実的なフォワードモデルを用いて、合成MEEGデータを生成する。
• ソース空間および結合性空間の両方における再構成精度の評価に、空間分散とEarth Mover's Distanceを感受性の高い品質指標として採用する。

実験結果

リサーチクエスチョン

• RQ1 ベイジアンで周波数ドメインのアプローチは、計算的実行可能性を保ちながらMEEGソース局在化におけるスーパー解像度を達成できるか？
• RQ2 解剖学的事前知識を組み込むことで、推定された脳結合性の正確性と妥当性はどの程度向上するか？
• RQ3 提案されたツールボックスは、高次元で現実的なMEEGシナリオにおいて、ソース活動および結合性をどの程度正確に再構成できるか？
• RQ4 導入されたベンチマークは、さまざまなMEEGソース解析手法の性能を信頼性高く区別できるか？
• RQ5 空間分散とEarth Mover's Distanceの指標は、結合性再構成における微細な差異を検出するのにどの程度感受性を示すか？

主な発見

• BC-VARETA 1.0ツールボックスは、反復的スパースエルミート型ソースグラフィカルモデルを解くことで、ソース局在化におけるスーパー解像度を達成している。
• 灰色 matter 分割と妥当性マスクによる解剖学的事前知識の統合は、結合性推定の正確性を顕著に向上させた。
• 検証ベンチマークは、既知の真値を持つ合成データを用いて、ソース活動および結合性再構成の評価に成功した。
• 空間分散とEarth Mover's Distanceは、ソース空間および結合性空間の両方における性能評価に感受性が高く信頼性がある指標を提供した。
• このツールボックスは高次元設定においても頑健な性能を示し、前世代の手法よりも結合性再構成の正確性で優れていた。
• ベンチマークフレームワークにより、MEEGソース解析ツールの客観的かつ再現可能な評価が可能となり、手法の進展を促進した。