[논문 리뷰] Neural Connectivity in M/EEG with Hidden Hermitian Gaussian Graphical Model

Deirel Paz-Linares, Eduardo Gonzalez-Moreira외 1명|arXiv (Cornell University)|2018. 10. 02.

Neural dynamics and brain function인용 수 1

한 줄 요약

이 논문은 볼륨 도함에 의한 유출을 완화하기 위해 희박한 연결성 사전 정보를 사용하는 새로운 주파수 도메인 선형 상태공간 프레임워크인 은닉 가우시안 그래픽 상태모델(HIGGS)을 제안한다. 이는 M/EEG에서 신경 연결성을 모델링한다. 연결망 재구성 성능이 향상되었으며, 특히 머리 구조의 이방성 존재 시 EEG에서 두드러진 성능 향상을 보이며, 영장류에서 동시 EEG 및 ECoG 기록을 통해 처음으로 확인된 증거를 제공한다.

ABSTRACT

The noninvasive procedures for neural connectivity are under questioning. Theoretical models sustain that the electromagnetic field registered at external sensors is elicited by currents at neural space. Nevertheless, what we observe at the sensor space is a superposition of projected fields, from the whole gray-matter. This is the reason for a major pitfall of noninvasive Electrophysiology methods: distorted reconstruction of neural activity and its connectivity or leakage. It has been proven that current methods produce incorrect connectomes. Somewhat related to the incorrect connectivity modelling, they disregard either Systems Theory and Bayesian Information Theory. We introduce a new formalism that attains for it, Hidden Gaussian Graphical State-Model (HIGGS). A neural Gaussian Graphical Model (GGM) hidden by the observation equation of Magneto-encephalographic (MEEG) signals. HIGGS is equivalent to a frequency domain Linear State Space Model (LSSM) but with sparse connectivity prior. The mathematical contribution here is the theory for high-dimensional and frequency-domain HIGGS solvers. We demonstrate that HIGGS can attenuate the leakage effect in the most critical case: the distortion EEG signal due to head volume conduction heterogeneities. Its application in EEG is illustrated with retrieved connectivity patterns from human Steady State Visual Evoked Potentials (SSVEP). We provide for the first time confirmatory evidence for noninvasive procedures of neural connectivity: concurrent EEG and Electrocorticography (ECoG) recordings on monkey. Open source packages are freely available online, to reproduce the results presented in this paper and to analyze external MEEG databases.

연구 동기 및 목표

• 볼륨 도함과 센서 수준의 신호 중첩으로 인한 비침습적 M/EEG에서의 연결성 왜곡 문제를 해결한다.
• 기존 방법들이 시스템 이론과 베이지안 정보이론 원칙을 간과한 점을 극복한다.
• 주파수 도메인 은닉 가우시안 그래픽 모델에 대해 수학적으로 엄밀한 고차원 해법을 개발한다.
• 실제 머리 볼륨 도함 이방성 조건 하에서 EEG에서의 신경 연결성 추정 성능 향상을 입증한다.
• 비인간 영장류에서 동시 EEG 및 ECoG 기록을 통해 실증적 검증을 제공한다.

제안 방법

• 희박한 연결성 사전 정보를 갖춘 주파수 도메인 선형 상태공간 모델(LSSM)로 은닉 가우시안 그래픽 상태모델(HIGGS)을 수립한다.
• 신경 활동을 잠재 가우시안 그래픽 모델로 모델링하고, M/EEG 센서 신호를 선형 혼합된 공간적 투영 관측값으로 간주한다.
• 주파수 도메인 수식을 도입해 신경 연결성 동역학의 스펙트럼 분석을 가능하게 한다.
• 구조적 사전 정보를 적용한 베이지안 추론을 통해 연결성 추정의 희박성과 유출 감소를 강제한다.
• 주파수 도메인에서 효율적인 추론을 가능하게 하기 위해 고차원 해법을 개발하여 실제 M/EEG 데이터에 대한 확장성 확보.
• 모델 구조에 시스템 이론 및 정보이론 원리를 통합해 이론적 일관성을 확보한다.

실험 결과

연구 질문

• RQ1 희박한 연결성 사전 정보를 갖춘 주파수 도메인 은닉 상태공간 모델이 M/EEG 연결성 추정에서 유출을 감소시키는가?
• RQ2 HIGGS는 EEG에서 실제 머리 볼륨 도함 이방성 조건 하에서 신경 연결성 재구성에 얼마나 효과적인가?
• RQ3 기존 비침습적 방법 대비 HIGGS는 연결망 정확도를 얼마나 향상시키는가?
• RQ4 영장류에서 동시 EEG 및 ECoG 기록을 통해 비침습적 연결성 추정에 대한 확인적 증거를 제공할 수 있는가?
• RQ5 제안된 수학적 프레임워크는 고차원 실세계 M/EEG 데이터에 대해 확장 가능하고 견고한가?

주요 결과

• HIGGS는 머리 볼륨 도함 이방성으로 인한 EEG 신호의 유출 효과를 크게 감소시킨다.
• 인간의 안정된 시각 자극에 의한 반응 전압(SSVEP) 데이터에서 더 정확한 신경 연결성 패턴을 생성한다.
• 영장류에서 동시 EEG 및 ECoG 기록을 통해 처음으로 비침습적 EEG와 침습적 ECoG 연결성 간 일관성을 입증한 증거를 제공한다.
• 주파수 도메인 HIGGS 해법은 고차원 신경 상태공간에서 효율적이고 안정적인 추론을 가능하게 한다.
• 이 방법은 시스템 이론과 베이지안 정보이론을 통합하여 이전 접근법의 이론적 한계를 보완한다.
• 오픈소스 구현체가 공개되어 있어 재현성과 외부 M/EEG 데이터베이스에의 적용 가능성이 보장된다.