[논문 리뷰] Electroencephalography source connectivity: toward high time/space resolution brain networks

Mahmoud Hassan, Fabrice Wendling|arXiv (Cornell University)|2018. 01. 08.

Functional Brain Connectivity Studies참고 문헌 27인용 수 14

한 줄 요약

이 튜토리얼 리뷰는 고해상도의 시간 및 공간 해상도를 갖춘 동적 뇌망 구축을 위한 EEG 소스 연결성 기법을 제안한다. 이는 고도의 신호 처리 기법을 활용해 두피 EEG에서 피각 소스 활동을 재구성하고 기능적 연결성을 추정함으로써 이루어진다. 이 방법은 건강한 뇌 상태와 병적 뇌 상태 모두에서 잠재력을 보여주며, 비침습성, 높은 시간 해상도, 향상된 공간 국소화라는 고유한 균형을 강조한다.

ABSTRACT

The human brain is a large-scale network which function depends on dynamic interactions between spatially-distributed regions. In the rapidly-evolving field of network neuroscience, two yet unresolved challenges are potential breakthroughs. First, functional brain networks should be estimated from noninvasive and easy to use neuroimaging techniques. Second, the time/space resolution of these techniques should be high enough to assess the dynamics of identified networks. Emerging evidence suggests that Electroencephalography (EEG) source connectivity method may offer solutions to both issues provided that scalp EEG signals are appropriately processed. Therefore, the performance of EEG source connectivity method strongly depends on signal processing (SP) that involves various methods such as preprocessing techniques, inverse solutions, statistical couplings between signals and network science. The main objective of this tutorial-like review is to provide an overview on EEG source connectivity. We describe the major contributions that the SP community brought to this research field. We emphasize the methodological issues that need to be carefully addressed to obtain relevant results and we stress the current limitations that need further investigation. We also report results obtained in concrete applications, in both normal and pathological brain states. Future directions in term of signal processing methods and applications are eventually provided

연구 동기 및 목표

• 네트워크 신경과학 분야에서 비침습적이고 고해상도의 뇌망 추정이 필요한 문제를 해결하기 위해.
• 역해법(예: 최소 노름 추정, LORETA)을 사용하여 두피 EEG 기록에서 피각 소스 활동을 재구성함으로써 EEG의 공간 해상도를 향상시키기 위해.
• EEG를 사용하여 고시간 해상도로 기능적 연결성을 동적으로 추적할 수 있도록 하기 위해.
• 신뢰할 수 있는 결과를 보장하기 위해 EEG 소스 연결성의 방법론적 과제를 식별하고 해결하기 위해.
• 구체적인 응용 사례를 통해 정상 및 병적 뇌 상태에서 이 방법의 유용성을 입증하기 위해.

제안 방법

• 두피 EEG 신호의 노이즈와 아티팩트를 줄이기 위해 사전처리 기법을 적용하기 위해.
• 역해법(예: 최소 노름 추정, LORETA)을 사용하여 두피 EEG 기록에서 신경 소스를 국소화하기 위해.
• 기능적 연결성을 재구성된 소스 간에 정량화하기 위해 통계적 결합 측정법(예: 공명도, 위상 지연 지수, 가중치가 부여된 위상 지연 지수)을 사용하기 위해.
• 연결성 행렬에서 대규모 뇌망을 모델링하고 분석하기 위해 네트워크 과학 원리를 통합하기 위해.
• 기존 신경생리학적 메커니즘과 임상 데이터와의 비교를 통해 결과를 검증하기 위해.
• 성능과 신뢰성을 평가하기 위해 건강한 뇌 상태와 간질 상태의 실제 EEG 데이터셋에 이 프레임워크를 적용하기 위해.

실험 결과

연구 질문

• RQ1 EEG 소스 연결성이 기능적 뇌망을 맵핑할 때 고공간·고시간 해상도를 어떻게 달성할 수 있는가?
• RQ2 두피 EEG에서 신뢰할 수 있는 소스 재구성과 연결성 추정을 위해 필수적인 신호 처리 기법은 무엇인가?
• RQ3 사전처리, 역해법, 연결성 측정법의 방법론적 선택이 뇌망 추론의 타당성에 어떤 영향을 미치는가?
• RQ4 EEG 소스 연결성은 표준 두피 EEG나 다른 뇌영상 기법에 비해 어떻게 동적 뇌망 활동을 더 잘 포착하는가?
• RQ5 임상 및 인지신경과학 분야에 EEG 소스 연결성을 적용할 때 현재의 한계와 열린 과제는 무엇인가?

주요 결과

• EEG 소스 연결성은 표준 두피 EEG에 비해 밀리초 수준의 시간 해상도와 향상된 공간 국소화를 갖춘 기능적 뇌망 추정이 가능하다.
• 이 방법은 정상적인 인지 작업과 간질과 같은 병적 상태 모두에서 동적인 뇌망 활동을 성공적으로 재구성한다.
• 강력한 결과는 적절한 사전처리, 정확한 역해법, 적절한 연결성 측정법에 크게 의존하며, 위상 기반 측정법(예: PLI)이 뛰어난 성능을 보인다.
• 네트워크 과학과 EEG 소스 연결성의 통합은 대규모 뇌망의 위상학적 특성과 질병에서의 변화를 특성화할 수 있게 한다.
• 그럼에도 불구하고, 방법론적 일관성 부족과 매개변수 선택에 대한 민감성은 향후 연구가 필요한 주요 과제로 남아 있다.
• 이 프레임워크는 실제 응용 사례에서 검증되었으며, 임상 및 인지신경과학 연구 분야에서의 실현 가능성과 관련성을 입증했다.