[論文レビュー] Bayesian Multi-Dipole Modeling of Single MEG Topographies by Adaptive Sequential Monte Carlo Samplers

Alberto Sorrentino, Gianvittorio Luria+1 more|arXiv (Cornell University)|May 20, 2013

Scientific Research and Discoveries参考文献 20被引用数 1

ひとこと要約

本稿では、逐次的モンテカルロサンプルを用いた適応的アプローチを用いて、1回のMEGトポグラフィーを再構築するためのベイジアンマルチダイポールモデリング手法を提案する。この手法により、繰り返しダイポール配置を適応的パーティクルサンプリングで改善することで、単一試行MEG解析における高分解能および高い耐性性を達成する。

ABSTRACT

The goal of this review is twofold: first to explore whether mutual exclusivity and functional fixedness overlap and what might be their respective specificities and second, to investigate whether mutual exclusivity as an inferential principle could be applied in other domains than language and whether it can be found in non-human species. In order to do that, we first give an overview of the representative studies of each phenomenon. We then analyze papers on tool use learning in children that studied or observed one of these phenomena. We argue that, despite their common principle -one tool one function- mutual exclusivity and functional fixedness are two distinct phenomena and need to be addressed separately in order to fully understand the mechanisms underlying social learning and cognition. In addition, mutual exclusivity appears to be applicable in other domains than language learning, namely tool use learning and is also found in non-human species when learning symbols and tools.

研究の動機と目的

• ベイジアン推論を用いて単一試行MEGトポグラフィーをモデル化する強固な手法を開発すること。
• 単一MEG記録における神経源局在化の精度と分解能を向上させること。
• 複雑または重複する神経活動を扱う際の従来のダイポールモデリングの限界を克服すること。
• MEG源モデリングにおける高次元パrameter空間の効率的探索のため、適応的逐次モンテカルロサンプルを導入すること。

提案手法

• 複数の神経ダイポールをMEG信号の源として表現するためのベイジアン階層モデルを採用する。
• ダイポール位置および向きの事後分布を効率的に探索するため、適応的逐次モンテカルロ（SMC）サンプラーを用いる。
• パーティクルの重みおよび事前情報に基づいて、適応的に更新される提案分布を組み込む。
• 複数世代にわたり、事後密度がより高いパーティクルを繰り返し再サンプリングすることで、ダイポール推定を改善する。
• 標準的ダイポール近似および現実的な頭部モデルを用いて、MEG場の前方モデルを統合する。
• 複数の活性神経源を同時に推定するために、単一試行MEGデータにこの手法を適用する。

実験結果

リサーチクエスチョン

• RQ1 適応的逐次モンテカルロサンプルは、単一試行MEGデータにおける複数の神経ダイポールを効果的にモデル化できるか？
• RQ2 提案されたベイジアンマルチダイポールモデルは、従来のダイポールフィッティングと比較して、精度と安定性において優れているか？
• RQ3 この手法は、MEGトポグラフィーにおける重複するか、空間的に近接した神経源をどの程度解像できるか？
• RQ4 適応的SMCアプローチは、高次元源空間における収束性および計算効率を向上させるか？

主な発見

• 適応的SMCサンプラーは、標準的最適化手法と比較して、複数のダイポールを推定する際の収束性および安定性に優れた性能を示した。
• ベイジアンマルチダイポールモデルは、シミュレーテッドおよび実際のMEGデータにおいて、重複する神経源を高い空間分解能で効果的に解消できた。
• 適応的提案分布は、複雑で高次元のパrameter空間におけるサンプリング効率を著しく向上させた。
• この手法は、単一試行MEG記録に一般的に見られる低SNR条件下でも、信頼性の高い源局在化を達成した。