[논문 리뷰] Measuring hierarchically-organized interactions in dynamic networks through spectral entropy rates: theory, estimation, and illustrative application to physiological networks

Laura Sparacino, Yuri Antonacci외 2명|arXiv (Cornell University)|2024. 01. 20.

Neural dynamics and brain functionNeuroscience인용 수 3

한 줄 요약

이 논문은 스펙트럼 엔트로피 비율, 상호정보량 비율, O-정보량 비율을 사용하여 동적 네트워크 내 계층적으로 구성된 주파수 특이적 상호작용을 정보이론적 프레임워크로 통합하여 정량화한다. 이는 노드별, 쌍별, 고차원(3개 이상의 노드) 상호작용의 시간 도메인 및 주파수 도메인 분석을 가능하게 하여 운동 과제 중 알파 대역의 뇌전도파(EEG) 동역학에서 뚜렷한 부복제를 드러낸다.

ABSTRACT

Recent advances in signal processing and information theory are boosting the development of new approaches for the data-driven modelling of complex network systems. In the fields of Network Physiology and Network Neuroscience where the signals of interest are often rich of oscillatory content, the spectral representation of network systems is essential to ascribe the analyzed interactions to specific oscillations with physiological meaning. In this context, the present work formalizes a coherent framework which integrates several information dynamics approaches to quantify node-specific, pairwise and higher-order interactions in network systems. The framework establishes a hierarchical organization of interactions of different order using measures of entropy rate, mutual information rate and O-information rate, to quantify respectively the dynamics of individual nodes, the links between pairs of nodes, and the redundant/synergistic hyperlinks between groups of nodes. All measures are formulated in the time domain, and then expanded to the spectral domain to obtain frequency-specific information. The practical computation of all measures is favored presenting a toolbox that implements their parametric and non-parametric estimation, and includes approaches to assess their statistical significance. The framework is illustrated first using theoretical examples where the properties of the measures are displayed in benchmark simulated network systems, and then applied to representative examples of multivariate time series in the context of Network Neuroscience and Network Physiology.

연구 동기 및 목표

• 정보이론적 측정을 통해 동적 네트워크 내 노드별, 쌍별, 고차원 상호작용을 일관되고 확장 가능한 프레임워크로 정량화하는 것.
• 시간 도메인과 스펙트럼 도메인 표현 간의 일관성을 확보하기 위해 스펙트럼 통합 성질을 통합함으로써 네트워크 상호작용의 시간 도메인 및 스펙트럼 도메인 표현을 통합하는 것.
• 엔트로피 비율, 상호정보량 비율, O-정보량 비율을 스펙트럼 도메인으로 확장하여 주파수 특이적 분석을 가능하게 하여 생리학적 상호작용을 분석하는 것.
• 이 측정치들의 비모수적 및 모수적 추정을 위한 실용적인 도구상자를 제공하고 통계적 유의성 검정을 포함하는 것.
• 이 프레임워크가 실제 생리학적 네트워크에서 복잡하고 다중 척도의 상호작용을 캡처하는 데의 유용성을 입증하는 것 — 특히 네트워크 신경과학 및 네트워크 생리학 분야에서.

제안 방법

• 노드 동역학, 이원 상호작용, 다원(3개 이상의 노드) 상호작용에 각각 엔트로피 비율, 상호정보량 비율(MIR), O-정보량 비율을 핵심 측정치로 정의한다.
• 스펙트럼 통합 성질을 사용하여 모든 측정치를 스펙트럼 도메인으로 확장함으로써 정보 역학의 주파수 특이적 분석을 가능하게 한다.
• 모수적 및 비모수적 추정 기법을 적용하며, 통계적 유의성 평가를 위해 서로보 기반 가설 검정을 수행한다.
• 측정치의 성질을 검증하기 위해 시뮬레이션된 네트워크 시스템에 프레임워크를 적용하고, 운동 과제 실험에서의 실제 다변량 생리학적 시간 시리즈(예: EEG, ECG, EMG)에 적용한다.
• 엔트로피 비율, MIR, O-정보량 비율의 스펙트럼 프로파일의 유의성을 평가하기 위해 부트스트랩 재표본 추출을 사용한다.
• 주파수 대역(예: 알파, 베타) 간의 모든 측정치를 통합하여 시간 도메인 및 주파수 도메인에서의 총합 정보 역학을 요약한다.

Figure 1: Information-theoretic and spectral representations of hierarchically-organized interactions in network systems. a) In Network Physiology, collective interactions among diverse organ systems (e.g., brain, heart, vascular, muscular and respiratory systems) are investigated recording biosigna

실험 결과

연구 질문

• RQ1 정보이론적 측정치가 시간 도메인과 주파수 도메인 간에 일관되게 통합되어 계층적 상호작용을 정량화할 수 있는가?
• RQ2 스펙트럼 분해는 다변량 생리학적 시간 시리즈에서 생리학적으로 의미 있는 진동 상호작용을 드러내는 데 어떤 역할을 하는가?
• RQ3 운동 과제 중 뇌 네트워크에서 고차원 상호작용(부복제 및 상호보완성)이 어느 정도 지배적인가? 그리고 주파수 대역에 따라 어떻게 변화하는가?
• RQ4 제안된 프레임워크는 쌍별 네트워크 모델에서 드러나지 않는 유의미한 상호작용을 탐지할 수 있는가?
• RQ5 부피 도전 효과가 스칼프 EEG 기록에서 부복제 상호작용 탐지에 어떤 영향을 미치는가?

주요 결과

• 스펙트럼 엔트로피 비율은 약 10 Hz인 알파(α) 대역에서 뚜렷한 진동 동역학을 드러내었고, 베타(β) 대역에서는 통계적으로 유의미하지 않은 기여를 보였다. 이는 알려진 운동 과제 관련 EEG 패tern과 일치한다.
• 상호정보량 비율(MIR)은 뇌 반구 간에 통계적으로 유의미한 쌍별 결합을 보였으며, 가장 높은 값은 알파 대역에서 관찰되어 강력한 반구 간 동기화를 시사한다.
• O-정보량 비율 분석은 세 개 노드 상호작용에서 알파 대역에서 두드러진 통계적 유의성 있는 부복제 기여를 탐지하였고, 이는 운동 수행 중 뇌 영역 간에 정보가 중복적으로 공유되고 있음을 시사한다.
• 통합된 스펙트럼 측정치는 엔트로피 비율과 상호정보량 비율 모두에서 알파 대역 동역학의 지배성을 확인하였고, 운동 관련 진동의 기존 신경생리학 지식과 일치한다.
• 프레임워크는 주파수 특이적 상호작용을 성공적으로 분리하여, 베타 대역 활동은 유의미하게 결합되어 있지 않음을 드러내었고, 생리학적으로 관련 있는 동역학을 탐지하기 위해 스펙트럼 필터링의 중요성을 강조한다.
• 결과는 스칼프 EEG에서 관찰된 부복제가 부피 도전 효과에 기인할 수 있음을 시사하며, 알파 대역에서 두드러진 부복제 상호작용은 이 대역이 부피 도전 효과에 민감하다는 점을 고려할 때 그에 부합한다.

Figure 2: Venn-diagram representation of the information measures quantifying hierarchically-organized interactions in static networks of random variables. a) Mutual information between two random variables $V_{1}$ and $V_{2}$ , $I(V_{1};V_{2})$ , obtained as the difference between the entropy $H(V_