[论文解读] 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 10

一句话总结

本文提出了一种贝叶斯源分离方法，利用单次试验中诱发反应的差异性振幅和潜伏期变异，从猴子的皮层内记录中分离出多个神经成分。通过建模振幅和时序的试验间变异而非假设独立性，该方法成功分离了视觉运动任务中重叠的诱发电位，相较于传统盲源分离技术，表现出更高的生理真实性和准确性。

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.

研究动机与目标

• 解决在神经生理数据中分离多个重叠诱发反应的挑战，其中传统盲源分离方法假设统计独立性。
• 通过整合诱发成分振幅和潜伏期的试验间变异，开发更符合生理实际的模型。
• 通过利用差异性变异模式而非假设成分独立性，提高源分离的准确性。
• 在猴子执行视觉运动任务时的局部场电位记录上验证该方法。

提出的方法

• 该方法采用贝叶斯框架，对跨试验中振幅和潜伏期可变的诱发反应进行建模。
• 使用生成模型，考虑多个神经源对记录信号的贡献，每个源具有独特的振幅和潜伏期分布。
• 该算法使用马尔可夫链蒙特卡洛（MCMC）采样，估计源波形及其参数的后验分布。
• 利用不同成分间振幅和潜伏期的差异性变异作为关键判别依据以分离源。
• 该模型不假设成分之间的统计独立性，从而允许更真实的神经源相互作用。
• 该方法应用于猴子在视觉运动任务中采集的皮层内局部场电位数据。

实验结果

研究问题

• RQ1 跨试验的差异性振幅和潜伏期变异能否有效用于分离多个重叠的诱发反应？
• RQ2 整合生理变异后，与基于独立性假设的方法相比，源分离效果有何改善？
• RQ3 该贝叶斯方法在真实皮层内记录中能多大程度上分辨出不同的神经成分？
• RQ4 该模型在识别具有生理意义的成分方面是否优于标准盲源分离技术？

主要发现

• 该方法成功从猴子的皮层内局部场电位记录中分离出多个诱发反应成分。
• 差异性振幅和潜伏期变异提供了足够的统计结构，使重叠源得以分辨，而无需假设独立性。
• 贝叶斯框架实现了对源波形及其试验间变异的稳健估计。
• 通过建模神经反应固有的变异，该方法表现出更高的生理合理性。
• 该算法在视觉运动任务的真实数据上得到验证，显示出跨试验的一致分离效果。
• 结果表明，振幅和潜伏期的变异是一种可行且强大的神经生理数据源分离线索。