[논문 리뷰] Neuroadaptive electroencephalography: a proof-of-principle study in infants

Pedro F. da Costa, Rianne Haartsen외 5명|arXiv (Cornell University)|2021. 06. 10.

Neural dynamics and brain function참고 문헌 32인용 수 5

한 줄 요약

이 연구는 실시간 기계학습과 베이지안 최적화를 활용한 신경적 적응형 EEG 접근법을 제안하며, 개인별 신경 반응을 자동으로 식별함으로써 Nc 사건 관련 전위를 사용해 유아의 어머니 얼굴을 동적 얼굴 공간 내에서 식별할 수 있음을 입증한다. 이 방법은 전통적인 자극 중심 프로토콜의 한계를 극복하고, 효율적이고 적응적이며 개인 맞춤형으로 영아의 뇌 반응을 매핑할 수 있도록 한다.

ABSTRACT

A core goal of functional neuroimaging is to study how the environment is processed in the brain. The mainstream paradigm involves concurrently measuring a broad spectrum of brain responses to a small set of environmental features preselected with reference to previous studies or a theoretical framework. As a complement, we invert this approach by allowing the investigator to record the modulation of a preselected brain response by a broad spectrum of environmental features. Our approach is optimal when theoretical frameworks or previous empirical data are impoverished. By using a prespecified closed-loop design, the approach addresses fundamental challenges of reproducibility and generalisability in brain research. These conditions are particularly acute when studying the developing brain, where our theories based on adult brain function may fundamentally misrepresent the topography of infant cognition and where there are substantial practical challenges to data acquisition. Our methodology employs machine learning to map modulation of a neural feature across a space of experimental stimuli. Our method collects, processes and analyses EEG brain data in real-time; and uses a neuro-adaptive Bayesian optimisation algorithm to adjust the stimulus presented depending on the prior samples of a given participant. Unsampled stimuli can be interpolated by fitting a Gaussian process regression along the dataset. We show that our method can automatically identify the face of the infant's mother through online recording of their Nc brain response to a face continuum. We can retrieve model statistics of individualised responses for each participant, opening the door for early identification of atypical development. This approach has substantial potential in infancy research and beyond for improving power and generalisability of mapping the individual cognitive topography of brain function.

연구 동기 및 목표

• 전통적인 자극 중심 신경영상 기법이 영아 연구에서 이론적 프레임워크나 이전 데이터가 종종 부족하거나 오해의 소지가 있을 수 있는 점을 해결하기 위해.
• 선택된 신경 반응(예: Nc)이 넓고 연속적인 자극 공간에서 어떻게 조절되는지를 매핑하는 닫힌 루프형, 적응형 방법론을 개발하기 위해.
• 가설 기반 자극 선택을 데이터 기반, 참가자 고유의 탐색으로 대체함으로써 뇌 연구의 재현성과 일반화 능력을 향상시키기 위해.
• 실시간 EEG 데이터에서 개인 맞춤형 반응 프로파일을 추출함으로써 이른 시기의 이질적 뇌 발달 패턴을 탐지할 수 있도록 하기 위해.
• 영아에서 이 방법의 가능성을 입증하기 위해, 성인 기반 모델이 인지 지형을 잘못 묘사할 수 있는 점을 고려하여.

제안 방법

• 이 방법은 영아의 목표 신경 반응(예: Nc)을 실시간으로 모니터링하기 위해 실시간 EEG 데이터 수집 및 처리를 사용하는 사전 지정된 닫힌 루프 설계를 채택한다.
• 신경적 적응형 베이지안 최적화 알고리즘은 이전 증거를 바탕으로 다음 자극을 동적으로 선택하여 최적의 자극을 찾는 데 필요한 시험 수를 최소화한다.
• 알고리즘은 가우시안 프로세스 회귀를 사용하여 샘플링되지 않은 자극을 보간하고 자극 공간 전반의 전체 반응 지형을 모델링한다.
• 자극 공간은 얼굴 특징의 연속적인 변화(예: 연령, 기울기, 표정)로 정의되며, 본 연구에서는 16개의 사전 정의된 변화를 사용한다.
• 시스템은 들어오는 EEG 데이터를 기반으로 모델을 지속적으로 업데이트하며, 신경 반응에 대한 정보 수득을 극대화하기 위해 자극 제시를 조정한다.
• 데이터 품질은 연구자에 의해 실시간으로 모니터링되지만, 자동화된 품질 지표는 향후 개선 사항으로 언급된다.

실험 결과

연구 질문

• RQ1 신경적 적응형 EEG 접근법은 실시간 Nc 반응 조절을 통해 영아의 어머니 얼굴을 자동으로 식별할 수 있는가?
• RQ2 베이지안 최적화와 실시간 EEG 매핑은 제한된 데이터와 높은 변동성을 가진 영아에서 개인 맞춤 신경 반응을 얼마나 효과적으로 찾아낼 수 있는가?
• RQ3 이 방법은 발달 신경과학에서 전통적인 자극 중심 프로토콜에 비해 재현성과 일반화 능력에서 얼마나 향상되는가?
• RQ4 이론적 예측이 없거나 잘못되었을 경우에도 이 방법은 영아의 개인 맞춤 신경 지형을 탐지할 수 있는가?
• RQ5 특히 성인 기반 모델이 적용되지 않을 수 있는 영아와 같은 집단에서, 최적의 자극에 대한 사전 지식이 없을 경우 이 방법은 어떻게 작동하는가?

주요 결과

• 신경적 적응형 EEG 접근법은 실시간 Nc 반응 추적을 통해 일차원 얼굴 공간에서 영아의 어머니 얼굴을 가장 주목할 만한 자극으로 성공적으로 식별하였다.
• 이 방법은 최소한의 데이터로도 개인 맞춤 신경 반응을 정확하게 국소화하여 자극 공간 탐색의 높은 효율성을 입증하였다.
• 시스템은 각 참가자에 대해 개인 맞춤 모델 통계를 생성하여 특정 자극에 대한 뇌 활성화의 개인 맞춤 매핑을 가능하게 하였다.
• 가우시안 프로세스 회귀의 사용으로 샘플링되지 않은 자극의 신뢰할 수 있는 보간이 가능했으며, 신경 반응 조절의 연속적 표현을 제공하였다.
• 데이터 품질 문제에도 불구하고, 현재 구현에서 인간의 감시가 자동 품질 측정보다 더 효과적이었다.
• 이 방법은 개인 맞춤 뇌-행동 관계를 캡처함으로써 영아에서 이질적 뇌 발달 패턴을 식별할 잠재력을 높게 보여주었다.