[논문 리뷰] Discrete, 3D distributed, linear imaging methods of electric neuronal activity. Part 1: exact, zero error localization

Roberto D. Pascual‐Marqui|ArXiv.org|2007. 10. 17.

Neural dynamics and brain function참고 문헌 13인용 수 416

한 줄 요약

이 논문은 EEG/MEG를 위한 일반적인 이산적이고 3차원 분포형 선형 영상 방법의 가족을 제안하며, 전기 신경 활동을 점원천으로 정확하고 오차가 없는 위치로 국소화하는 데 성공한다. 이는 sLORETA와 eLORETA—이 가족의 구성원들—가 측정 잡음과 생물학적 잡음 하에서도 국소화 편향을 제거함으로써, 신경영상에서 애매한 역문제에 대해 수학적으로 엄밀한 해법을 제공하며, 원천 국소화 정확도를 보장한다.

ABSTRACT

This paper deals with the EEG/MEG neuroimaging problem: given measurements of scalp electric potential differences (EEG: electroencephalogram) and extracranial magnetic fields (MEG: magnetoencephalogram), find the 3D distribution of the generating electric neuronal activity. This problem has no unique solution. Only particular solutions with "good" localization properties are of interest, since neuroimaging is concerned with the localization of brain function. In this paper, a general family of linear imaging methods with exact, zero error localization to point-test sources is presented. One particular member of this family is sLORETA (standardized low resolution brain electromagnetic tomography; Pascual-Marqui, Methods Find. Exp. Clin. Pharmacol. 2002, 24D:5-12; http://www.unizh.ch/keyinst/NewLORETA/sLORETA/sLORETA-Math01.pdf). It is shown here that sLORETA has no localization bias in the presence of measurement and biological noise. Another member of this family, denoted as eLORETA (exact low resolution brain electromagnetic tomography; Pascual-Marqui 2005: http://www.research-projects.unizh.ch/p6990.htm), is a genuine inverse solution (not merely a linear imaging method) with exact, zero error localization in the presence of measurement and structured biological noise. The general family of imaging methods is further extended to include data-dependent (adaptive) quasi-linear imaging methods, also with the exact, zero error localization property.

연구 동기 및 목표

• 여러 뇌 원천이 동일한 스칼프 측정값을 낼 수 있는 EEG/MEG 신경영상에서 애매한 역문제를 해결하기 위해.
• 3차원 공간에서 전기 신경 활동을 정확하고 오차가 없는 국소화를 달성하는 선형 영상 방법을 개발하기 위해.
• 측정 잡음과 구조적 생물학적 잡음이 존재하는 조건에서 국소화 편향을 제거하기 위해.
• 이러한 프레임워크를 적응형, 데이터에 의존하는 준선형 방법으로 확장하여 동일한 정확한 국소화 성질을 유지하기 위해.
• 비침습적 신경생리 기록을 사용한 정확하고 분포형 뇌 영상의 수학적으로 엄밀한 기초를 제공하기 위해.

제안 방법

• 역문제를 3차원 공간에서 이산적 선형 시스템으로 공식화하며, 뉴런 전류를 격자상의 분포형 듀플렉스로 모델링한다.
• 점원천 테스트에 정확한 국소화를 보장하는 파arameter화된 일반적인 선형 영상 방법의 가족을 도입한다.
• 특정 가중치 행렬을 사용한 최소 노름 제약 조건을 통해 해를 유도하며, 이는 국소화 오차를 0으로 유지한다.
• sLORETA는 이 가족의 구성원으로 식별되며, 측정 잡음 하에서 편향을 제거하기 위해 표준화를 사용한다.
• eLORETA는 구조적 생물학적 잡음이 존재하는 상황에서도 정확한 국소화를 유지하는 진정한 역해법으로 도입된다.
• 적응형 확장이 제안되며, 영상 연산자가 데이터에 따라 달라져도 정확한 오차 없는 국소화를 유지한다.

실험 결과

연구 질문

• RQ1 선형 영상 방법이 3차원 EEG/MEG 영상에서 전기 신경 활동을 정확하고 오차 없이 국소화할 수 있는가?
• RQ2 sLORETA는 측정 잡음 존재 시 진정으로 국소화 편향을 제거하는가?
• RQ3 실제 생물학적 잡음 조건에서도 정확한 국소화를 유지하는 진정한 역해법을 구성할 수 있는가?
• RQ4 데이터에 의존하는 적응형 영상 방법은 분포형 원천 영상에서 오차 없는 국소화를 어떻게 유지할 수 있는가?
• RQ5 선형 영상 방법이 점원천에 대해 국소화 편향이 없는지를 보장하는 수학적 조건는 무엇인가?

주요 결과

• sLORETA는 점원천에 대해 정확하고 오차 없는 국소화를 달성하며, 측정 잡음 하에서도 국소화 편향이 없음을 증명하였다.
• eLORETA는 구조적이고 비균일한 생물학적 잡음이 존재하는 상황에서도 진정한 역해법으로서 정확하고 오차 없는 국소화를 유지한다.
• 이러한 영상 방법의 일반 가족은 고정형 및 적응형(데이터 의존형) 형식을 모두 포함하며, 모두 오차 없는 국소화가 보장된다.
• 수학적 프레임워크는 잡음 구조에 관계없이 해 벡터가 정확히 진짜 원천 위치에 국소화됨을 보장한다.
• 이 방법론적 기초는 체계적 편향 없이 정확한 분포형 3차원 뇌 영상이 가능하게 하며, 원천 국소화 정확도를 보장한다.
• 결과적으로 선형 방법을 EEG/MEG에서 사용할 경우 원천 국소화 정확도를 보장하는 엄밀한 이론적 기초를 확립하였다.