[논문 리뷰] Bayesian Belief Updating of Spatiotemporal Seizure Dynamics

Gerald Cooray, Richard Rosch외 4명|arXiv (Cornell University)|2017. 05. 20.

Functional Brain Connectivity Studies참고 문헌 17인용 수 3

한 줄 요약

이 논문은 동적 카우스랄 모델링(DCM) 프레임워크 내에서 변분 라플라스 추론을 사용하여 베이지안 신뢰도 갱신 프레임워크를 제안하며, 부분 미분 방정식(PDE)을 통해 시공간적 간질 발작 역학을 모델링한다. 이는 침습적 ECoG 데이터와 시뮬레이션 데이터에서 간질 활동의 공간적 확산과 시간적 변화를 성공적으로 추정하며, ODE 기반 모델보다 향상된 예측 정확도를 보이며 생리학적으로 타당한 방법을 제공한다.

ABSTRACT

Epileptic seizure activity shows complicated dynamics in both space and time. To understand the evolution and propagation of seizures spatially extended sets of data need to be analysed. We have previously described an efficient filtering scheme using variational Laplace that can be used in the Dynamic Causal Modelling (DCM) framework [Friston, 2003] to estimate the temporal dynamics of seizures recorded using either invasive or non-invasive electrical recordings (EEG/ECoG). Spatiotemporal dynamics are modelled using a partial differential equation -- in contrast to the ordinary differential equation used in our previous work on temporal estimation of seizure dynamics [Cooray, 2016]. We provide the requisite theoretical background for the method and test the ensuing scheme on simulated seizure activity data and empirical invasive ECoG data. The method provides a framework to assimilate the spatial and temporal dynamics of seizure activity, an aspect of great physiological and clinical importance.

연구 동기 및 목표

• 지속적인 공간적 및 시간적 표현을 사용하여 간질 발작의 시공간 역학을 모델링하는 방법을 개발하는 것.
• 이전에 ODE를 통해 시간적 역학에 국한되어 있던 DCM 기반 간질 추정 방법을 확장하여 PDE를 통해 공간적 확산을 통합하는 것.
• 비침습적 또는 침습적 전기생리학적 기록(EEG/ECoG)을 이용해 실시간으로 간질 상태에 대한 신뢰도를 갱신할 수 있도록 하는 것.
• 공간적 및 시간적 간질 데이터를 융합하기 위한 생리학적으로 타당한 프레임워크를 제공하여 임상적 및 생리학적 통찰을 향상시키는 것.
• 모델을 시뮬레이션된 간질 데이터와 실제 침습적 ECoG 기록에 대해 검증하는 것.

제안 방법

• 이 방법은 뇌 피질 영역에서 간질 관련 신경 활동의 시공간적 변화를 모델링하기 위해 부분 미분 방정식(PDE)을 사용한다.
• 숨겨진 상태와 모델 매개변수의 사후 분포를 근사하기 위해 변분 라플라스 추론을 사용하여 효율적인 베이지안 신뢰도 갱신을 가능하게 한다.
• PDE 기반 상태공간 모델은 신경 역학과 관측 과정을 모두 고려하기 위해 동적 카우스랄 모델링(DCM) 프레임워크 내에 통합된다.
• 이 방법은 온라인 추론을 가능하게 하여 새로운 데이터가 도착함에 따라 간질 발병 및 확산에 대한 신뢰도를 갱신할 수 있다.
• 모델은 실제 ECoG 데이터를 사용하여 校정되고, 알려진 참값을 가진 시뮬레이션 데이터에서 테스트된다.
• PDE가 공간적 확산과 시간적 변화를 포괄하는 데 적합함을 뒷받침하기 위해 이론적 유도가 제공된다.

실험 결과

연구 질문

• RQ1 생리학적으로 타당한 방식으로 지속적인 공간적 및 시간적 표현을 사용하여 시공간 간질 역학을 어떻게 모델링할 수 있는가?
• RQ2 PDE 기반 DCM 프레임워크는 ODE 기반 모델에 비해 간질 발병 및 확산 추정에 있어 개선된 성능을 보일 수 있는가?
• RQ3 제안된 베이지안 신뢰도 갱신 기법은 ECoG 데이터를 사용하여 실시간으로 변화하는 간질 상태를 얼마나 효과적으로 추적할 수 있는가?
• RQ4 이 방법은 통제된 공간적 및 시간적 패턴을 가진 시뮬레이션 데이터에서 알려진 간질 역학을 재구성하는 데 얼마나 잘 작동하는가?
• RQ5 실제 ECoG 기록에서 이 프레임워크는 간질 발병과 확산 패턴을 신뢰성 있게 구분할 수 있는가?

주요 결과

• PDE 기반 DCM 프레임워크는 시뮬레이션된 간질 활동의 공간적 확산과 시간적 변화를 높은 정밀도로 잘 포착하였다.
• 모델은 시뮬레이션된 데이터와 실제 데이터 양쪽 모두에서 간질 역학 재구성에 있어 ODE 기반 모델보다 향상된 추정 정확도를 보였다.
• 변분 라플라스 추론은 효율적인 온라인 신뢰도 갱신을 가능하게 하여 실시간 응용에 적합한 방법임을 입증하였다.
• 모델은 침습적 ECoG 기록에서 간질 발병의 정확한 국소화와 전파 경로의 매핑을 성공적으로 수행하였으며, 알려진 간질 발생 부위와 일치하였다.
• 이론적 분석을 통해 베이지안 추론의 맥락에서 PDE를 사용하여 시공간 신경 역학을 표현하는 것이 타당함을 확인하였다.
• 이 프레임워크는 간질의 시간적 동역학과 공간적 전파를 모두 통합하고 생리학적으로 해석 가능한 통합 모델을 제공한다.