[論文レビュー] Separation of multiple evoked responses using differential amplitude and latency variability

Kevin H. Knuth, Wilson Truccolo+2 more|ArXiv.org|Apr 29, 2002

Blind Source Separation Techniques参考文献 17被引用数 10

ひとこと要約

本論文は、サルの皮質内記録における複数の神経成分を分離するために、単一試行の誘発応答における微分的アモルプトードと遅延の変動を活用するベイジアン源分離法を提案する。試行間の振幅およびタイミングの変動を独立性を仮定するのではなくモデル化することにより、視運動タスクにおける重複する誘発電位を効果的に分離し、従来のブランクソース分離手法に比べて生理学的に現実的で正確な結果を示した。

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.

研究の動機と目的

• 従来のブランクソース分離手法が統計的独立性を仮定するが、神経生理学的データにおける複数の重複する誘発応答を分離する課題に対処すること。
• 誘発成分の試行間変動である振幅および遅延の変動を組み込むことで、より生理学的に現実的なモデルを構築すること。
• 成分同士の独立性を仮定するのではなく、異なる変動パターンを活用することで、ソース分離の精度を向上させること。
• 視運動タスクを実行するサルからの局所フィールド電位記録を用いて、この手法を検証すること。

提案手法

• 本手法は、試行ごとの振幅および遅延に変動を示す誘発応答をモデル化するベイジアンフレームワークを採用する。
• 複数の神経源が記録信号に寄与するのを考慮する生成モデルを用い、それぞれの源が異なる振幅および遅延の分布を持つ。
• マルコフ連鎖モンテカルロ（MCMC）サンプリングを用いて、ソース波形およびそのパラメータの事後分布を推定する。
• 成分間の振幅および遅延における差別的変動が、ソース分離の主要な識別子として用いられる。
• 成分間の統計的独立性を仮定しないため、神経源相互のより現実的な相互作用を可能にする。
• 本手法は、視運動タスクを実行するサルの皮質内局所フィールド電位データに適用される。

実験結果

リサーチクエスチョン

• RQ1 試行間における振幅および遅延の差別的変動が、複数の重複する誘発応答を効果的に分離するために有効に利用できるか？
• RQ2 生理的変動を組み込むことで、独立性に基づく仮定に比べてソース分離がどの程度向上するか？
• RQ3 このベイジアン手法が、実際の皮質内記録における明確な神経成分をどの程度解明できるか？
• RQ4 標準的なブランクソース分離手法に比べ、このモデルが生理学的に意味のある成分を同定する上で優れているか？

主な発見

• 本手法は、サルの皮質内局所フィールド電位記録から複数の誘発応答成分を成功裏に分離した。
• 振幅および遅延の差別的変動が、独立性を仮定しない状態でも、重複するソースを解明するのに十分な統計的構造を提供した。
• ベイジアンフレームワークにより、ソース波形およびその試行間変動の堅牢な推定が可能になった。
• 神経応答に内在する変動をモデル化することで、より生理学的に妥当な仮定が実現された。
• アルゴリズムは、視運動タスクの実データに適用され、試行間で一貫した分離を示した。
• 振幅および遅延の変動は、神経生理学的データにおけるソース分離の有効で強力な手がかりであることが示唆された。