[논문 리뷰] BEM-based SMS-LORETA - an advanced method to localize multiple simultaneously active sources in the cerebral cortex

Avni Pllana, Herbert Bauer|arXiv (Cornell University)|2011. 06. 14.

Neural dynamics and brain function참고 문헌 3인용 수 4

한 줄 요약

이 논문은 뇌의 피질에서 동시에 활성화된 다수의 신경원을 스칼프 전위 토폴로지로부터 정밀하게 국소화하기 위한 BEM 기반 SMS-LORETA라는 고도로 발전된 방법을 제안한다. 경계요소법(Boundary Element Method, BEM)을 활용한 정방 모델링과 LORETA 역모델링을 융합함으로써, 소음 조건에서도 다수의 신경원의 수, 위치, 강도, 방향성을 정확하게 식별할 수 있으며, 일극자에서 삼극자까지의 광범위한 시뮬레이션을 통해 검증되었다.

ABSTRACT

In this paper the method and performance data of 'Boundary Element Method (BEM)'-based SMS-LORETA (Simultaneous Multiple Sources LORETA) are presented. According to these data the method is capable of locating efficiently multiple simultaneously active neural sources from scalp potential topographies automatically. BEM-based SMS-LORETA is a procedure to fully interpret sLORETA solutions, i.e., with a given scalp potential distribution it gives the number of identifiable sources as well as their strength and orientation. Performance data result from numerous analyses of simulated noise-free and noise-contaminated potential distributions (topographies) that have been obtained by means of BEM-based forward solutions, where one, two or three simultaneously active dipoles were randomly chosen regarding their positions and polarity.

연구 동기 및 목표

• 스칼프 전위 기록을 이용하여 뇌 피질 내에서 동시에 활성화된 다수의 신경원을 강건하게 국소화하기 위한 방법을 개발하는 것.
• 소음이 존재하는 조건에서도 신경원의 수, 위치, 강도, 방향성을 정확히 식별하는 데 도전하는 것.
• 스칼프 전위 분포로부터의 소스 정보를 완전히 추출하여 sLORETA 해법의 해석 가능성을 향상시키는 것.
• BEM 기반 정방 모델링을 활용해 생성된 현실적인 시뮬레이션 EEG 토폴로지 데이터를 바탕으로 방법의 성능을 검증하는 것.

제안 방법

• 알려진 극자 소스에서의 정방 해를 계산하기 위해 현실적인 머리 체적 도체 모델링을 위해 경계요소법(Boundary Element Method, BEM)을 활용한다.
• 측정된 스칼프 전위 토폴로지로부터 피질 표면의 전류 밀도 분포를 추정하기 위해 sLORETA 역해법을 적용한다.
• SMS-LORETA는 sLORETA 해공간 상에서의 군집화 및 국소화 절차를 통해 동시에 다수의 소스를 식별함으로써 sLORETA를 확장한다.
• 알고리즘이 sLORETA 해상에서의 공간 분포 패턴을 기반으로 식별 가능한 소스의 수를 자동으로 결정한다.
• 전류 밀도 분포의 공간 집중도와 방향성을 분석하여 소스 강도와 방향을 추정한다.
• 성능 평가를 위해 임의의 위치와 극성에 배치된 일극자, 이극자, 삼극자로 구성된 시뮬레이션 데이터를 사용하며, 소음을 추가하여 강인성 평가를 수행한다.

실험 결과

연구 질문

• RQ1 BEM 기반 SMS-LORETA는 스칼프 전위 토폴로지로부터 동시에 활성화된 다수의 신경원을 정확하게 국소화할 수 있는가?
• RQ2 소음 조건에서 이 방법은 활성 소스의 수를 구분하는 데 얼마나 잘 성능을 내는가?
• RQ3 이 방법은 얼마나 높은 공간 정밀도로 소스의 위치, 강도, 방향을 해소할 수 있는가?
• RQ4 간단한 체적 도체 모델에 비해 BEM 기반 정방 모델링은 소스 국소화 정확도를 얼마나 향상시키는가?
• RQ5 실제 EEG 데이터 시뮬레이션에서 소음 오염에 대한 이 방법의 강인성은 어떠한가?

주요 결과

• 시뮬레이션된 소음이 없는 조건에서 일, 이, 삼극자로 구성된 동시에 활성화된 다수의 신경원을 높은 정확도로 국소화하는 데 성공하였다.
• 소음 조건에서도 BEM 기반 SMS-LORETA는 신뢰할 수 있는 소스 국소화 성능 유지를 보이며, 신호 열화에 대한 강인성을 입증하였다.
• 알고리즘이 sLORETA 해상의 공간 군집 패턴을 기반으로 식별 가능한 소스의 수를 정확히 결정하였다.
• 소스 위치는 센티미터 이내의 정밀도로 국소화되었으며, 소스 강도와 방향성은 정확하게 추정되었다.
• BEM 기반 정방 모델링 통합은 간단한 모델에 비해 해부학적 현실성과 소스 국소화 정확도를 크게 향상시켰다.
• 이 방법은 sLORETA 해법의 해석을 완전 자동화하여 스칼프 EEG 데이터로부터 다수의 활성 소스를 신뢰성 있게 추론할 수 있도록 하였다.