[论文解读] Neuroadaptive electroencephalography: a proof-of-principle study in infants

Pedro F. da Costa, Rianne Haartsen+5 more|arXiv (Cornell University)|Jun 10, 2021

Neural dynamics and brain function参考文献 32被引用 5

一句话总结

本研究提出一种神经自适应EEG方法，结合实时机器学习与贝叶斯优化，可自动识别个体特异性的神经反应——通过Nc事件相关电位，在动态人脸空间中定位婴儿母亲的面孔。该方法实现了高效、自适应且个性化的婴儿脑反应映射，克服了传统刺激驱动范式在发育神经科学中的局限性。

ABSTRACT

A core goal of functional neuroimaging is to study how the environment is processed in the brain. The mainstream paradigm involves concurrently measuring a broad spectrum of brain responses to a small set of environmental features preselected with reference to previous studies or a theoretical framework. As a complement, we invert this approach by allowing the investigator to record the modulation of a preselected brain response by a broad spectrum of environmental features. Our approach is optimal when theoretical frameworks or previous empirical data are impoverished. By using a prespecified closed-loop design, the approach addresses fundamental challenges of reproducibility and generalisability in brain research. These conditions are particularly acute when studying the developing brain, where our theories based on adult brain function may fundamentally misrepresent the topography of infant cognition and where there are substantial practical challenges to data acquisition. Our methodology employs machine learning to map modulation of a neural feature across a space of experimental stimuli. Our method collects, processes and analyses EEG brain data in real-time; and uses a neuro-adaptive Bayesian optimisation algorithm to adjust the stimulus presented depending on the prior samples of a given participant. Unsampled stimuli can be interpolated by fitting a Gaussian process regression along the dataset. We show that our method can automatically identify the face of the infant's mother through online recording of their Nc brain response to a face continuum. We can retrieve model statistics of individualised responses for each participant, opening the door for early identification of atypical development. This approach has substantial potential in infancy research and beyond for improving power and generalisability of mapping the individual cognitive topography of brain function.

研究动机与目标

• 为解决传统刺激驱动神经影像在婴儿研究中的局限性，即理论框架和先前数据往往不足或具有误导性。
• 开发一种闭环自适应方法，映射预选神经反应（如Nc）在广阔连续刺激空间中的调节模式。
• 通过将假设驱动的刺激选择替换为数据驱动的、参与者特异性的探索，提升脑科学研究的可重复性与泛化能力。
• 通过实时EEG数据检索个体化反应谱，实现在早期检测非典型神经发育的可能。
• 证明该方法在婴儿研究中的可行性，因为基于成人的模型可能无法准确反映认知拓扑结构。

提出的方法

• 该方法采用预设的闭环设计，通过实时EEG数据采集与处理，监测婴儿目标神经反应（如Nc）的变化。
• 一种神经自适应贝叶斯优化算法基于先前证据动态选择下一个刺激，以最小化定位最优刺激所需的试验次数。
• 该算法利用高斯过程回归对未采样的刺激进行插值，并在刺激空间中建模完整的反应图谱。
• 刺激空间由面部特征的连续变化（如年龄、倾斜度、表情）定义，本研究中使用了16种预设变化。
• 系统根据传入的EEG数据持续更新模型，调整刺激呈现以最大化关于神经反应的信息增益。
• 数据质量由研究人员实时监控，尽管未来改进中建议引入自动化质量指标。

实验结果

研究问题

• RQ1 神经自适应EEG方法能否基于实时Nc反应调制，自动识别婴儿母亲的面孔？
• RQ2 贝叶斯优化与实时EEG映射在数据有限且变异度高的情况下，能否有效定位婴儿的个体特异性神经反应？
• RQ3 与传统刺激驱动范式相比，该方法在可重复性与泛化能力方面提升程度如何？
• RQ4 当理论预测缺失或具有误导性时，该方法能否检测到婴儿的个体化神经拓扑结构？
• RQ5 在缺乏关于最优刺激先验知识的情况下，该方法表现如何，特别是在成人模型可能不适用的婴儿群体中？

主要发现

• 神经自适应EEG方法成功将婴儿母亲的面孔识别为一维人脸空间中最显著的刺激，基于实时Nc反应追踪。
• 该方法在数据极少的情况下实现了个体特异性神经反应的精准定位，展现出在刺激空间探索中的高度效率。
• 系统为每位参与者生成个体化的模型统计量，实现了对特定刺激下神经参与度的个性化映射。
• 高斯过程回归的使用使得未采样刺激的插值可靠，提供了神经反应调制的连续表征。
• 尽管存在数据质量问题，当前实现中人工对EEG信号的监督比自动化质量指标更为有效。
• 该方法在捕捉个体化脑-行为关系方面展现出强大潜力，可用于识别婴儿期非典型神经发育模式。