[논문 리뷰] A Wavelet Analysis of Transient Spike Trains of Hodgkin-Huxley Neurons

Hideo Hasegawa|arXiv (Cornell University)|2001. 09. 25.

Neural Networks and Applications참고 문헌 3인용 수 4

한 줄 요약

이 논문은 허드킨-후크리의 뉴런에서 유도된 일시적 스파이크 트레인에 연속 및 이산 웨이블릿 변환(CWT와 DWT)을 적용하여, 비정상적 스파이크 신호의 시간-주파수 동역학을 포착하는 데서 푸리에 변환보다 웨이블릿 분석이 뛰어나다는 것을 입증한다. 주요 발견은 스파이크의 정밀한 파형 형태보다 스파이크 타이밍이 정보 인코딩을 주도하며, 최적화된 스케일 및 이동 임계값을 사용할 경우 웨이블릿 기반 노이즈 제거 기법이 신호의 무결성을 효과적으로 유지하면서 노이즈를 감소시킨다는 것이다.

ABSTRACT

Transient spike trains consisting of $M$ (= 1 - 5) pulses generated by single Hodgkin-Huxley (HH) neurons, have been analyzed by using both the continuous and discrete wavelet transformations (WT). We have studied effects of variations in the interspike intervals (ISI) of the spikes and effects of noises on the energy distribution and the wavelet entropy, which are expressed in terms of the WT expansion coefficients. The results obtained by the WT are discussed in connection with those obtained by the Fourier transformation.

연구 동기 및 목표

• 웨이블릿 변환을 사용하여 전통적인 푸리에 분석에 비해 일시적 비정상적 스파이크 트레인의 특성을 더 잘 기술할 수 있는지 조사하기 위해.
• 단일 뉴런 스파이크 활동에서 간격 간 스파이크 간격(ISI) 변동과 노이즈가 에너지 분포 및 웨이블릿 엔트로피에 미치는 영향을 검토하기 위해.
• 스파이크 타이밍을 유지하면서 노이즈를 억제하는 웨이블릿 기반 노이즈 제거 기법을 개발하고 비교하기 위해.
• 웨이블릿 변환을 통해 실제 HH 스파이크와 이상화된 델타 함수 펄스의 파형을 비교함으로써 신경 인코딩에서 스파이크 파형 형태보다 타이밍이 더 많은 정보를 담고 있는지 평가하기 위해.

제안 방법

• 시간 및 주파수 영역에서 국소화된 모체 웨이블릿을 사용한 연속 웨이블릿 변환(CWT)을 적용하여 일시적 스파이크 신호를 분석한다.
• 이진 분해를 사용한 이산 웨이블릿 변환(DWT)을 적용하여 신호를 두 차원(스케일, 이동) 매개변수 공간에 표현한다.
• 두 가지 노이즈 제거 방법을 사용한다: 방법 I은 임계 값 $a_{\rm c}$ 이하의 스케일에 대해 웨이블릿 계수를 0으로 설정하며, 방법 II는 $a_{\rm c}$ 이하의 스케일에 대해 시간 도메인에서 공간 창을 적용한다.
• 제곱 웨이블릿 계수를 사용하여 신호 대 노이즈 비율(SNR)을 정의한다: $\eta = \log_{10}(A_{\rm s}/A_{\rm n})$, 여기서 $A_{\rm s}$와 $A_{\rm n}$은 각각 노이즈 제거된 성분과 잔여 성분의 에너지이다.
• 실제 허드킨-후크리 스파이크 트레인과 이상화된 1ms 정사각형 펄스 간의 웨이블릿 에너지 밀도 분포를 비교하여 스파이크 타이밍의 기여를 분리한다.
• 정규화된 웨이블릿 계수 전력 스펙트럼에서 유도된 웨이블릿 엔트로피를 사용하여 신호의 질서/무질서 정도를 정량화한다.

실험 결과

연구 질문

• RQ1 웨이블릿 분석은 허드킨-후크리 뉴런에서 유도된 비정상적 스파이크 트레인의 특성을 푸리에 변환과 비교하여 어떻게 다루는가?
• RQ2 스파이크 간격(ISI)의 변동이 스파이크 신호의 웨이블릿 에너지 분포 및 엔트로피에 얼마나 영향을 미치는가?
• RQ3 다양한 노이즈 수준이 웨이블릿 기반 신호 대 노이즈 비율(SNR) 및 노이즈 제거 성능에 어떻게 영향을 미치는가?
• RQ4 웨이블릿 분석을 통해 복잡한 행동전위의 형태보다 타이밍이 신경 인코딩에서 더 많은 정보를 담고 있는가?
• RQ5 웨이블릿 기반 노이즈 제거 기법은 효과적으로 노이즈를 제거하면서 생물학적으로 의미 있는 스파이크 타이밍을 유지할 수 있는가?

주요 결과

• 시간-스케일 평면에서의 웨이블릿 엔트로피 및 에너지 분포는 비정상적 동역학을 효과적으로 포착하며, 푸리에 기반 스펙트럼 엔트로피를 능가한다.
• 스케일 임계값 이하의 스케일에 공간 필터링을 추가로 적용하는 방법 II는 특히 $t \sim 200$ ms에서 방법 I보다 더 효과적으로 잡음 스파이크를 감소시킨다.
• M=3개의 스파이크에 대해 방법 II를 통해 계산된 SNR은 $D=0$일 때 기저 수준이 유의미하게 높으며, 이는 저스케일 성분의 노이즈 기여가 감소했기 때문이다. 또한 노이즈 수준 $D$가 증가함에 따라 단조롭게 감소한다.
• 1ms 정사각형 펄스의 웨이블릿 변환은 $a \gtrsim 4$ 스케일에서 원래 허드킨-후크리 스파이크와 거의 일치함을 보여주며, 이는 스파이크 타이밍이 정보 전달의 주요 기여자임을 시사한다.
• 웨이블릿 기반 분석은 웨이블릿 방법이 푸리에 방법보다 일시적 폭발에 대해 시간-주파수 공간에서 감마 진동 및 기타 진동 패tern을 더 잘 해석할 수 있음을 드러낸다.
• 결과는 신경 시스템이 마이크로초 이하 영역에서 효율적이고 고해상도의 정보 처리를 위해 암묵적으로 웨이블릿 유사 변환을 사용할 수 있음을 시사한다.