[논문 리뷰] Extracranial estimation of neural mass model parameters using the Unscented Kalman Filter

Lara Escuain-Poole, Jordi García‐Ojalvo외 1명|arXiv (Cornell University)|2017. 08. 01.

Neural dynamics and brain function참고 문헌 72인용 수 16

한 줄 요약

이 논문은 비침습적 스칼프 EEG 데이터로부터 신경 질량 모델의 파rameter와 상태를 추정하기 위해 유운동 칼만 필터(UKF)를 사용하는 것을 제안한다. 이를 위해 머리의 체적 도전 모델(Ary의 모델)을 통합하여 뇌내 신경 활동을 체외 EEG로 매핑한다. 주요 결과로는 다중채널 EEG가 신경 동역학과 연결성의 정확한 추정을 가능하게 하는 반면, 단일채널 EEG는 다양한 뇌 상태에서 부분적이고 부족한 정보만 제공한다.

ABSTRACT

Data assimilation, defined as the fusion of data with preexisting knowledge, is particularly suited to elucidating underlying phenomena from noisy/insufficient observations. Although this approach has been widely used in diverse fields, only recently have efforts been directed to problems in neuroscience, using mainly intracranial data and thus limiting its applicability to invasive measurements involving electrode implants. Here we intend to apply data assimilation to non-invasive electroencephalography (EEG) measurements to infer brain states and their characteristics. For this purpose, we use Kalman filtering to combine synthetic EEG data with a coupled neural-mass model together with Ary's model of the head, which projects intracranial signals onto the scalp. Our results show that using several extracranial electrodes allows to successfully estimate the state and parameters of the neural masses and their interactions, whereas one single electrode provides only a very partial and insufficient view of the system. The superiority of using multiple extracranial electrodes over using only one, be it intra- or extracranial, is shown over a wide variety of dynamical behaviours. Our results show potential towards future clinical applications of the method.

연구 동기 및 목표

• 침습적 뇌내 기록에서 비침습적 EEG 측정으로 칼만 필터 기반의 데이터 융합 기법을 확장하기 위해.
• 노이즈가 많고 간접적이며 공간적으로 제한된 EEG 관측치로부터 신경 질량 모델의 파rameter와 상태를 추정하는 데 도전하는 데에.
• 다중채널 대비 단일채널 EEG를 사용할 때 UKF의 신경 동역학과 연결성 추정 성능을 평가하기 위해.
• 생리학적으로 타당한 머리 모델을 통합하여 베이지안 상태 및 파rameter 추정 기법을 임상 EEG 적용에 적용할 수 있는지 보여주기 위해.
• 결합된 신경 질량 모델과 머리의 체적 도전 모델에서 생성된 합성 EEG 데이터를 바탕으로 방법을 검증하기 위해.

제안 방법

• 이 연구는 비선형이고 비정규 분포를 가지는 시스템에서 상태와 파rameter를 동시 추정하기 위해 유운동 칼만 필터(UKF)를 사용한다. 이는 사전 분포를 근사하기 위해 시그마 포인트를 활용한다.
• 결합된 신경 질량 모델은 미세구조적皮질 활동을 시뮬레이션하며, 내재적 동역학과 상호열린 기둥 간 연결성을 제어하는 파rameter를 포함한다.
• 체적 도전 모델(Ary의 모델)은 뇌내 신경 활동을 스칼프 전위로 매핑하여, 신경 질량 출력으로부터 EEG 신호의 정방향 시뮬레이션을 가능하게 한다.
• UKF는 비선형 상태 모델과 측정 모델을 통해 시그마 포인트를 전파하며, 상태 분포의 평균과 공분산을 포괄적으로 캡처하기 위해 결정론적 샘플링을 사용한다.
• 측정 업데이트는 모델 신뢰도와 측정 노이즈를 균형 잡는 칼만 이득을 사용하며, 측정 모델은 신경 상태를 EEG 전위로 매핑하는 선형 행렬 H로 정의된다.
• 이 방법은 다양한 역학적 제어 상태를 가진 3기둥 신경 질량 모델에서 생성된 합성 EEG 데이터를 사용하여 시험되었으며, 현실적인 노이즈 수준과 전극 구성이 적용되었다.

실험 결과

연구 질문

• RQ1 유운동 칼만 필터는 다중채널 비침습적 EEG 데이터로부터 신경 질량 모델의 파rameter와 상태를 정확하게 추정할 수 있는가?
• RQ2 스칼프 전극의 수가 뇌 상태 및 파rameter 추정의 정확성과 완전성에 어떤 영향을 미치는가?
• RQ3 UKF 기반의 데이터 융합 접근법은 복잡한 신경 동역학과 연결성 패턴을 해석하는 데서 단일 전극 EEG를 능가하는가?
• RQ4 이 방법은 진동, 혼돈, 간질 유사 활동과 같은 다양한 역학적 제어 상태에서 얼마나 강건한가?
• RQ5 머리의 체적 도전 모델(Ary의 모델) 통합이 뇌내 신경 활동과 스칼프 EEG 간의 물리적으로 타당한 정방향 매핑을 효과적으로 가능하게 하는가?

주요 결과

• 다중채널 EEG는 단일채널 EEG에 비해 신경 질량 상태와 파rameter의 훨씬 더 완전하고 정확한 추정을 가능하게 하며, 단일채널 EEG는 부분적이고 신뢰할 수 없는 정보만 제공한다.
• UKF는 진동, 혼돈 등 다양한 역학적 행동을 포함한 광범위한 역학적 행동에서 결합된 신경 질량 모델의 상태와 파rameter를 성공적으로 추정한다.
• 다수의 전극을 사용할 경우 신경 질량 동역학과 기둥 간 연결성 패턴의 정확한 재구성이 이루어지며, 노이즈와 모델 불확실성에 대해 강건함을 입증한다.
• 단일 전극 EEG는 공간적 부족샘플링로 인해 뇌 기둥 간 상호작용을 해석하지 못하여 전체 시스템 역학을 해독하지 못한다.
• Ary의 머리 모델 통합은 뇌내 신경 활동에서 스칼프 EEG로의 물리적으로 타당한 정방향 매핑을 가능하게 하여, 실제 비침습적 EEG 데이터에 적용 가능한 방법이 된다.
• 신경 질량 모델과 EEG 정방향 모델의 비선형성을 다루는 데서 UKF가 표준 확장 칼만 필터링보다 우수한 성능을 보이며, 수렴성과 추정 정확도 향상으로서 이를 입증한다.