[논문 리뷰] Third Generation MEEG Source Connectivity Analysis Toolbox (BC-VARETA 1.0) and Validation Benchmark

Eduardo Gonzalez-Moreira, Deirel Paz-Linares외 3명|arXiv (Cornell University)|2018. 10. 26.

Functional Brain Connectivity Studies인용 수 5

한 줄 요약

이 논문은 뇌 연결성 추정을 위한 초해상도를 가능하게 하는 주파수 도메인에서 베이지안 희박 모델링을 사용하는 세대째로 발전된 MEEG 소스 연결성 도구상자 BC-VARETA 1.0을 소개한다. 해부학적 사전 지식은 회색질 분할과 타당성 마스크를 통해 통합되며, 현실적인 합성 데이터와 공간 분산 및 지구 이동 거리와 같은 민감한 지표를 사용한 포괄적인 검증 벤치마크를 포함한다.

ABSTRACT

This paper presents a new toolbox for MEEG source activity and connectivity estimation: Brain Connectivity Variable Resolution Tomographic Analysis version 1.0 (BC-VARETA 1.0). It relies on the third generation of nonlinear methods for the analysis of resting state MEEG Time Series. Into the state of the art of MEEG analysis, the methodology underlying our tool (BC-VARETA) brings out several assets. First: Constitutes a Bayesian Identification approach of Linear Dynamical Systems in the Frequency Domain, grounded in more consistent models (third generation). Second: Achieves Super-Resolution, through the iterative solution of a Sparse Hermitian Source Graphical Model. Third: Tackles efficiently in High Dimensional and Complex set up the estimation of connectivity. Fourth: Incorporates priors at the connectivity level by penalizing the groups of variables, corresponding to the Gray Matter anatomical segmentation, and including a probability mask of the anatomically plausible connections. Along with the implementation of our method, we include in this toolbox a benchmark for the validation of MEEG source analysis methods, that would serve for the evaluation of sophisticated methodologies (third generation). It incorporates two elements. First: A realistic simulation framework, for the generation of MEEG synthetic data, given an underlying source connectivity structure. Second: Sensitive quality measures that allow for a reliable evaluation of the source activity and connectivity reconstruction performance, based on the Spatial Dispersion and Earth Movers Distance, in both source and connectivity space.

연구 동기 및 목표

• 이전 방법의 해상도 및 정확도 한계를 극복하는 차세대 MEEG 소스 연결성 분석 도구상자를 개발하는 것.
• 회색질 분할과 타당한 연결성의 확률 마스크를 활용해 연결성 수준에서 해부학적 사전 지식을 통합하는 것.
• 실제 조건에서 작동하는 MEEG 소스 분석 방법을 평가하기 위한 표준화된 검증 프레임워크를 제공하는 것.
• 향상된 강인성과 정밀도를 갖춘 고차원 복잡한 연결성 추정을 가능하게 하는 것.
• 알려진 진실값이 있는 합성 데이터와 민감한 지표를 사용해 소스 활동 및 연결성 복원 성능을 평가하기 위한 벤치마크를 수립하는 것.

제안 방법

• 세대째로 발전된 비선형 모델링에 기반한 주파수 도메인에서 선형 동적 시스템에 대한 베이지안 식별 접근법을 사용한다.
• 반복적인 희박 허미트로니언 소스 그래픽 모델을 활용해 소스 정위 추정에서 초해상도를 달성한다.
• 해부학적 분할에 기반한 연결성 수준에서 군 희박성 페널티를 적용한다.
• 연결성 추정을 안내하고 정규화하기 위해 해부학적으로 타당한 연결성의 확률 마스크를 통합한다.
• 기존의 소스 연결성 구조를 기반으로 한 현실적인 전방 모델을 사용해 합성 MEEG 데이터를 생성한다.
• 소스 공간과 연결성 공간 양쪽에서 복원 정확도 평가를 위한 민감한 품질 측도로 공간 분산과 지구 이동 거리를 사용한다.

실험 결과

연구 질문

• RQ1 베이지안 주파수 도메인 접근법이 계산 가능성을 유지하면서 MEEG 소스 정위에서 초해상도를 달성할 수 있는가?
• RQ2 해부학적 사전 지식을 통합할 경우 연결성 추정의 정확도와 타당성은 어느 정도 향상되는가?
• RQ3 제안된 도구상자는 고차원적이고 현실적인 MEEG 시나리오에서 소스 활동과 연결성을 얼마나 잘 복원하는가?
• RQ4 제안된 벤치마크는 다양한 MEEG 소스 분석 방법의 성능을 신뢰성 있게 구분할 수 있는가?
• RQ5 공간 분산과 지구 이동 거리 지표는 연결성 복원에서 미세한 차이를 감지하는 데 얼마나 민감한가?

주요 결과

• BC-VARETA 1.0 도구상자는 반복적인 희박 허미트로니언 소스 그래픽 모델을 해결하여 소스 정위에서 초해상도를 달성한다.
• 회색질 분할과 타당성 마스크를 통한 해부학적 사전 지식 통합이 연결성 추정의 정확도를 크게 향상시킨다.
• 알려진 진실값이 있는 합성 데이터를 사용해 소스 활동과 연결성 복원을 성공적으로 평가하는 검증 벤치마크가 구현되었다.
• 공간 분산과 지구 이동 거리 지표는 소스 공간과 연결성 공간 양쪽에서 성능 평가에 민감하고 신뢰할 수 있는 지표로 기능한다.
• 도구상자는 고차원 설정에서 강인한 성능을 보이며, 이전 세대 방법보다 연결성 복원 정확도에서 뛰어난 성능을 보였다.
• 벤치마크 프레임워크는 MEEG 소스 분석 도구의 객관적이고 재현 가능한 평가를 가능하게 하여 방법론적 발전을 촉진한다.