[논문 리뷰] Separation of multiple evoked responses using differential amplitude and latency variability

Kevin H. Knuth, Wilson Truccolo외 2명|ArXiv.org|2002. 04. 29.

Blind Source Separation Techniques참고 문헌 17인용 수 10

한 줄 요약

이 논문은 개의 단일 시험 반응에서의 차등적 진폭 및 지연 시간 변동성을 활용하여 뇌척수 기록에서 다수의 신경 성분을 분리하는 베이지안 소스 분리 방법을 제안한다. 진폭과 시기의 시험 간 변동성을 독립성을 가정하는 대신 모델링함으로써, 이 방법은 시각운동 과제에서 겹쳐진 유도 전위를 성공적으로 분리하여 전통적인 빌드 인 소스 분리 기법에 비해 더 높은 생리학적 현실성과 정확도를 보여준다.

ABSTRACT

In neuroelectrophysiology one records electric potentials or magnetic fields generated by ensembles of synchronously active neurons in response to externally presented stimuli. These evoked responses are often produced by multiple generators in the presence of ongoing background activity. While source localization techniques or current source density estimation are usually used to identify generators, application of blind source separation techniques to obtain independent components has become more popular. We approach this problem by applying the Bayesian methodology to a more physiologically-realistic source model. As it is generally accepted that single trials vary in amplitude and latency, we incorporate this variability into the model. Rather than making the unrealistic assumption that these cortical components are independent of one another, our algorithm utilizes the differential amplitude and latency variability of the evoked waveforms to identify the cortical components. The algorithm is applied to intracortically-recorded local field potentials in monkeys performing a visuomotor task.

연구 동기 및 목표

• 기존의 빌드 인 소스 분리 기법이 통계적 독립성을 가정하는 바람에, 신경생리학적 데이터에서 겹쳐진 다수의 유도 반응을 분리하는 데 도전하는 문제를 해결하기 위해.
• 유도 성분의 시험 간 진폭 및 지연 시간 변동성을 통합함으로써 더 생리학적으로 현실적인 모델을 개발하기 위해.
• 성분 간 독립성을 가정하는 대신 차등적 변동 패턴을 활용하여 소스 분리 정확도를 향상시키기 위해.
• 시각운동 과제를 수행하는 개에서 얻은 국소 전위 기록에 대해 방법을 검증하기 위해.

제안 방법

• 이 방법은 시험 간 진폭과 지연 시간이 변하는 유도 반응을 모델링하기 위해 베이지안 프레임워크를 사용한다.
• 다수의 신경 원천이 기록된 신호에 기여하며 각각 고유한 진폭 및 지연 시간 분포를 갖는 것을 고려하는 생성 모델을 사용한다.
• 마르코프 체인 몬테카를로(Markov Chain Monte Carlo, MCMC) 샘플링을 사용하여 소스 파형 및 그들의 파rameter에 대한 사후 분포를 추정한다.
• 성분 간의 진폭 및 지연 시간의 차등적 변동성이 소스를 분리하는 핵심 기준으로 사용된다.
• 성분 간 통계적 독립성을 가정하지 않아, 더 현실적인 신경 원천 상호작용을 가능하게 한다.
• 이 방법은 개가 시각운동 과제를 수행하는 동안의 뇌척수 국소 전위 데이터에 적용된다.

실험 결과

연구 질문

• RQ1 시험 간 차등적 진폭 및 지연 시간 변동성이 겹쳐진 다수의 유도 반응을 효과적으로 분리하는 데 사용될 수 있는가?
• RQ2 생리학적 변동성을 통합함으로써 독립성 기반 가정에 비해 소스 분리 성능이 어떻게 향상되는가?
• RQ3 이 베이지안 방법이 실제 뇌척수 기록에서 구분 가능한 신경 성분을 어느 정도 해명할 수 있는가?
• RQ4 표준 빌드 인 소스 분리 기법에 비해 이 모델이 생리학적으로 의미 있는 성분을 식별하는 데 뛰어난가?

주요 결과

• 이 방법은 개의 뇌척수 국소 전위 기록에서 다수의 유도 반응 성분을 성공적으로 분리하였다.
• 진폭 및 지연 시간의 차등적 변동성이 독립성을 가정하지 않고도 겹쳐진 소스를 해소하는 데 충분한 통계적 구조를 제공하였다.
• 베이지안 프레임워크는 소스 파형 및 그들의 시험 간 변동성을 견고하게 추정하는 데 기여하였다.
• 신경 반응에 내재된 변동성을 모델링함으로써 이 방법은 더 높은 생리학적 타당성을 확보하였다.
• 알고리즘은 시각운동 과제에서의 실제 데이터에 대해 검증되었으며, 시험 간 일관된 분리 성능을 보였다.
• 결과적으로 진폭 및 지연 시간의 변동성은 신경생리학적 데이터에서 소스 분리에 유의미하고 강력한 단서가 될 수 있음을 시사한다.