[论文解读] Cortical Xi-Alpha model for resting state electric neuronal activity

Roberto D. Pascual‐Marqui, Kieko Kochi+1 more|arXiv (Cornell University)|Dec 27, 2022

EEG and Brain-Computer Interfaces被引用 4

一句话总结

本文提出了皮层Xi-Alpha模型，这是一种生成式全皮层框架，可将静息态脑电图（EEG）功率谱分解为两种不同的过程：低频的'Xi'背景和10 Hz的'Alpha'峰。通过使用频率不变协方差矩阵的变量分离方法，该模型在两个大型EEG数据集中解释了99%的皮层功率谱方差，中位解释方差达95%，并分别识别出每种过程在空间分布和层状来源上的显著差异。

ABSTRACT

Power spectra of awake resting state EEG recordings in humans typically have an Alpha peak at around 10 Hz riding a decreasing background "Xi process". Normal and pathological variations may have more than one peak or none. The single channel Xi-Alpha model (Pascual-Marqui et al 1988, https://doi.org/10.3109/00207458808985730) separated these two processes, providing a low-dimensional parametric description of EEG spectra. Currently lacking is a generative whole cortex model for activity spectra and intracortical functional connectivity. Here we introduce the "cortical Xi-Alpha model". The cross-spectral density matrices are modeled as additive components, each one consisting of a scalar spectrum that multiplies a frequency invariant Hermitian covariance matrix. This simple "separation of variables" form offers a very rich repertoire of spatio-spectral properties, as well as diverse whole cortex functional connectivity patterns. The scalp EEG model conserves the same form, allowing simple estimation from scalp to cortex. Two independent open-access, resting state eyes open and closed EEG data sets (203 participants with 61 electrodes, and 47 participants with 26 electrodes) were used to demonstrate, test, and validate the model. Results summary: - The average dimension of cross-spectra lies between 1.7 and 2.6, indicating two processes. - Non-negative matrix factorization of population power spectra sampled at 6239 cortical voxels with only two components (identified as Xi and Alpha) explains 99% of the variance. - The median value of explained variance was 95% for the "cortical Xi-Alpha model" across all datasets and conditions. - Alpha process generators more occipital, Xi more frontal. - Xi cortical lagged connectivities are isotropic with interdistance. - Laminar recordings suggest layers 2/3 pyramidal neurons generate Xi; layers 5/6 pyramidal neurons generate Alpha.

研究动机与目标

• 开发一种生成式全皮层模型，用于静息态电神经活动，以捕捉其谱特性和功能连接特性。
• 利用低维参数化框架，将EEG功率谱中的主导10 Hz Alpha峰与逐渐衰减的背景'Xi过程'分离。
• 在开放获取的静息态EEG数据集（包括睁眼与闭眼条件）上验证该模型。
• 识别Xi与Alpha过程在整个大脑皮层上的空间分布及层状来源。

提出的方法

• 将交叉谱密度矩阵建模为加法分量，每个分量结合一个标量谱与一个频率不变的厄米特协方差矩阵。
• 采用'变量分离'形式，以最少的参数实现丰富的时空谱特性和连接模式。
• 对6,239个皮层体素的功率谱应用非负矩阵分解（NMF），识别出对应于Xi与Alpha过程的两个主导成分。
• 通过保持相同的数学形式，从头皮EEG估计模型，实现从皮层到头皮的直接推断。
• 在两个独立数据集上验证模型：一个包含203名受试者和61个电极，另一个包含47名受试者和26个电极。
• 使用皮层滞后同步分析空间模式与连接性，以推断功能连接。

实验结果

研究问题

• RQ1 低维生成模型能否捕捉全皮层静息态EEG活动的主导谱特征与功能连接特征？
• RQ2 利用谱分解方法，Xi与Alpha过程在人类皮层上能多好地实现分离与量化？
• RQ3 Xi与Alpha过程在整个皮层表面的空间分布如何？
• RQ4 基于皮层内记录，Xi与Alpha过程的层状起源是什么？
• RQ5 该模型在不同EEG数据集与记录条件下具有多强的鲁棒性？

主要发现

• 皮层上交叉谱密度矩阵的平均维度介于1.7至2.6之间，表明存在两个主要过程。
• 对6,239个皮层体素的功率谱进行仅含两个成分（Xi与Alpha）的非负矩阵分解，可解释总方差的99%。
• 在所有数据集与条件下，皮层Xi-Alpha模型的中位解释方差为95%。
• Alpha过程的生成器主要位于枕叶皮层，而Xi过程在额叶区域表现出更高的活动。
• Xi皮层滞后连通性表现出与距离无关的各向同性模式，提示存在均匀的长程连接。
• 层状记录表明，第2/3层锥体神经元产生Xi过程，而第5/6层锥体神经元是Alpha节律的主要来源。