[논문 리뷰] Measuring the functional connectome "on-the-fly": towards a new control signal for fMRI-based brain-computer interfaces

Ricardo Pio Monti, Romy Lorenz외 3명|arXiv (Cornell University)|2015. 02. 08.

Functional Brain Connectivity Studies참고 문헌 47인용 수 3

한 줄 요약

이 논문은 fMRI 데이터로부터 동적 기능적 연결망을 실시간으로 추정하기 위한 rt-SINGLE 알고리즘을 제안한다. 이는 희박하고 시간적으로 균일한 네트워크를 대상으로 하는 SINGLE 방법을 실시간으로 적용하기 위해 개선한 것으로, 작업 및 자극 유도 변화에 대한 빠른 탐지가 가능하여, 전체 뇌 연결망을 제어 신호로 사용하는 차세대 fMRI 기반 뇌-컴퓨터 인터페이스의 실현 가능성을 보여준다.

ABSTRACT

There has been an explosion of interest in functional Magnetic Resonance Imaging (MRI) during the past two decades. Naturally, this has been accompanied by many major advances in the understanding of the human connectome. These advances have served to pose novel challenges as well as open new avenues for research. One of the most promising and exciting of such avenues is the study of functional MRI in real-time. Such studies have recently gained momentum and have been applied in a wide variety of settings; ranging from training of healthy subjects to self-regulate neuronal activity to being suggested as potential treatments for clinical populations. To date, the vast majority of these studies have focused on a single region at a time. This is due in part to the many challenges faced when estimating dynamic functional connectivity networks in real-time. In this work we propose a novel methodology with which to accurately track changes in functional connectivity networks in real-time. We adapt the recently proposed SINGLE algorithm for estimating sparse and temporally homo- geneous dynamic networks to be applicable in real-time. The proposed method is applied to motor task data from the Human Connectome Project as well as to real-time data ob- tained while exploring a virtual environment. We show that the algorithm is able to estimate significant task-related changes in network structure quickly enough to be useful in future brain-computer interface applications.

연구 동기 및 목표

• fMRI에서 동적 기능적 연결망을 실시간으로 추정하는 방법을 개발하여, 단일 영역 ROI 기반 신경 피드백을 넘어서는 것을 목표로 한다.
• 폐쇄형 뇌-컴퓨터 인터페이스(BCI) 응용에 적합한 속도로 시간에 따라 변화하는 희박한 기능적 네트워크를 신속하게 추정하는 과제를 해결한다.
• 작업 기반 fMRI 데이터와 실시간 가상 환경 탐색 실험을 통해, 기능적 네트워크 변화에 대한 민감성을 검증한다.
• 모든 시간 포인트에서 업데이트된 기능적 연결망을 보고할 수 있는 계산적으로 효율적인 솔루션을 제공하여 실시간 피드백에 적합한지를 목표로 한다.

제안 방법

• 원래 오프라인, 희박하고 시간적으로 균일한 네트워크 추정을 위해 개발된 SINGLE 알고리즘을 실시간으로 운영하기 위해, 적응형 잊음 인자와 함께 순환 추정을 적용한다.
• 기억 인자에 따라 조정되는 가중 이동 평균을 사용하여 표본 평균과 공분산 행렬을 순환적으로 업데이트한다.
• 비미분 가능 페널티 항을 포함한 로그우도 기반 목적 함수를 사용하며, 기억 인자에 대한 도함수 계산을 통해 이를 근사한다.
• 매 단계에서 전체 재역행을 수행하지 않고도 역공분산 행렬을 효율적으로 업데이트하기 위해 Sherman-Woodbury 공식을 적용한다.
• 로그우도를 기억 인자에 대해 미분하여 적응형 기억 인자에 대한 분석적 기울기를 유도함으로써 온라인 최적화를 가능하게 한다.
• 계산 효율성을 유지하면서 네트워크 변화의 정확한 추적을 보장하기 위해 블록 단위 업데이트 전략을 구현한다.

실험 결과

연구 질문

• RQ1 실시간 알고리즘이 BCI 응용에 적합한 속도로 fMRI 데이터로부터 동적 기능적 연결망을 충분히 정확하게 추정할 수 있는가?
• RQ2 제안된 방법이 운동 작업이나 환경 자극에 의해 유도된 기능적 연결의 급격한 변화를 얼마나 잘 추적할 수 있는가?
• RQ3 실시간 제약 조건 하에서 rt-SINGLE 알고리즘이 희박하고 시간적으로 균일한 네트워크를 정확하게 추정하는 데 성공하는가?
• RQ4 외부 자극, 예를 들어 시각 환경 밝기 변화에 대응하여 기능적으로 관련된 네트워크 재구성(재구성)을 탐지할 수 있는가?
• RQ5 이 알고리즘의 계산 비용은 얼마이며, 실시간 신경 피드백 시스템에 구현 가능한가?

주요 결과

• rt-SINGLE 알고리즘은 인간 연결망 프로젝트(Human Connectome Project)의 데이터를 사용하여 운동 작업 중 기능적 연결의 작업 유도 변화를 성공적으로 탐지하여, 뇌 네트워크 역학 변화에 대한 민감성을 확인했다.
• 실시간 가상 환경 연구에서, 알고리즘은 일광 조건 동안 활성화된 간선 네트워크를 정확히 보고하여 외부 자극에 대한 반응성을 입증했다.
• 시뮬레이션 결과, rt-SINGLE는 시간에 따라 변화하는 공분산 구조의 변화를 효과적으로 추적하며, 동적 네트워크 추정에서 높은 정확도를 유지함을 보였다.
• 알고리즘은 실시간 성능를 달성하여 모든 시간 포인트에서 네트워크 추정치를 제공함으로써, 폐쇄형 BCI 시스템의 저지연 요구 조건을 충족시켰다.
• 계산 비용은 관리 가능했으며, 매 단계에서 전체 행렬 역행을 수행하지 않아도 되는 효율적인 순환 업데이트 덕분에 실시간 작동이 가능했다.
• 특히 희박한 네트워크 구성에서, 표준 윈도우 기반 상관계수 방법보다 미세한 작업 조절 연결 변화를 더 잘 탐지하는 것으로 나타났다.