BESA Source Coherence: A New Method to Study Cortical Oscillatory Coupling

Karsten Hoechstetter, Harald Bornfleth, Dieter Weckesser, Nicole Ille, Patrick Berg, and
Michael Scherg

 

BESA Source Coherence: A New Method to Study Cortical Oscillatory Coupling(2004)

 

본 논문은 비침습적 EEG 데이터와 MEG 데이터를 이용한 피질 coherence분석을 위한 새로운 방법인 전류원 coherence를 소개한다. BESA를 이용하여 이산 다중 전류원모델을 만든다. 이 모델은 센서 수준에서 뇌 전류원으로 기록된 데이터를 변환시키는 전류원 몽타주로 사용된다. 이것은 단일 시행을 기본으로 그 활성도를 직접적으로 측정하는 것으로 뇌 영역모델의 전류원 파형을 제공한다. 그 전류원 파형은 복잡한 복조를 이용하여 시간-주파수 공간으로 변환된다. 뇌 전류원 사이에서 Magnitude-squared coherence는 전류원들 사이의 진동 커플링을 드러내준다. 이런 절차는 그 활성들이 두피에 심각하게 겹쳐지고 있지만 다양한 뇌 영역에 대한 시간-주파수 content를 분리하는 것을 가능하게 한다. 따라서 전류원 coherence는 센서 수준

coherence 분석이 고유하게 가지는 위치와 해석문제를 극복해 준다. 전류원 coherence 원리는 한 가지 예로서 오류-관련 음전위 EEG 기록을 이용하여 설명해준다. 전류원 coherence분석은 버튼을 누르는 시간대인 자극 후 200-300ms 주기에서 뒤쪽영역과 중앙 영역에 나타나는 감마밴드 사이의 역동적인 연결을 드러내었다.

 

 최근 다양한 뇌 영역들 사이의 진동 비동기화 분석은 차츰 관심을 받아가고 있다. 진동 커플링을 통한 다양한 신경학적 구조물들의 역동적인 연결은 동물 실험을 통하여 먼저 증명되었다. 현대적인 다중채널 EEG 시스템은 인간연구에서 복잡한 지각과 인지과제의 비침습적인 연구를 가능하게 한다. 대부분의 이들 연구에서 다양한 두피전극들 간의 coherence는 뇌 영역들 간의 진동 커플링에 대한 상관관계로 받아들여졌다.

 그러나 EEG 또는 MEG로 기록된 센서들 사이에서 coherence 분석의 해석가능성은 특정 뇌영역에서 두피 신호와 관련짓는 것에대한 애매함으로 인해 제한을 받는다. 더욱이나 국소적인 뇌 활성이 매우 넓은 EEG 전압형태를 발생시킨다는 잘 알려진 사실이 전극들 사이의 유의미한 coherence 결과들을 해석하는 것을 어렵게 만든다: 먼저, 각 전극이 몇몇 다른 뇌영역으로부터 신호를 기록하기 때문에 특정 뇌영역에 특정 전극을 배치시키는 것은 불가능하다. 그 활성을 나타내는 관심있는 뇌영역 위로 위치한 전극을 선택하는 일반적인 방식은 원칙에서 어긋난다. 예를 들어 두피 표면에 탄젠트 방향으로 인한 신경전류의 경우 그런 전극은 이런 활성에 완벽하게 들어맞을 수 없을 것이다. 두 번째, 하나의 뇌영역에서 진동 활성은 두피 표면의 모든 인접한 전극들에 의해서 다양한 크기를 가지고  기록된다. 따라서 오직 하나의 피질부분에서 활성이 된 경우, 다양한 전극들 사이의 coherent 신호가 획득된다. 그런 coherence는 다른 뇌영역들 사이의 커플링 신호로 잘못 해석될 수 있다. current source density(CSD)와 같은 두번째 파생물로 EEG 전환은 두피 표면에서 국소적 뇌 활성의 전파를 감소시키고 기록된 전극 신호에서 피질 표면을 기반에 대한 기여도를 높여준다. 그러나 그런 문제가 감소되었더라도 피질 고랑 근처의 여전히 나타나는 중요한 중첩으로부터 오는 기여도 때문에 CSD 변환 데이터를 유지한다.

 최근 주파수 영역에서 Beamformer 접근법이 뇌영역 사이에서 coherence 추정에 대한 뇌 영역으로 기록된 데이터 변환의 문제를 해결하기 위하여 제시되어왔다. 그러나 Beamformer 테크닉은 다양한 뇌영역에서 활동들이 시간적으로 높은 상관관계를 나타낼 때 공간적 정확도가 떨어지는 단점이 있다.

 본 논문에서 우리는 위에서 언급된 문제를 극복하는 새로운 방법을 보여준다. 그 기본이 되는 아이디어는 관심이 되는 다양한 뇌영역의 활성을 분리하는 coherence 분석이전 데이터에서 고정된 공간 여과법을 적용하는 것이다. 이 여과법은 BESA로 획득된 이산다중 전류원 모델을 기반으로 한다.

 

Methods

Source Coherence

 

 전류원 coherence 분석에서 첫 단계는 뇌 공간으로 기록된 두피 활성(EEG or MEG)의 변환이다. 이것은 다중이산 등가 전류 쌍극자 또는 regional  전류원 모델을 이용한 BESA로 수행되었다. 적절한 전류원 모델은 (1) 평균 유발 데이터를 전류원으로 fitting 하는 것. (2) 사전 지정된 관심이 되는 뇌영역에 전류원을 seeding하는 것. (3) 뇌의 배경 활성을 모델로하는 탐침(probe) 전류원을 추가하고 (1)단계와 (2)단계에서 설명하지 못한 추가적 진동 활성을 탐침 전류원으로 제공하는 것으로 만들어 질 수 있다.

 만들어진 모델은 EEG/MEG 원자료에 대하여 가상의 전류원 몽타주로 제공되어진다. 결과적으로 그 단일 시행 데이터는 채널 공간영역에서 뇌 전류원 영역속으로 변환된다. 재건된 파형은 전류 쌍극자 모멘트(nAm) 단위로 모델된 전류원 활성을 가리킨다. 모델된 전류원이 모든 활성하는 뇌영역을 설명한다는 전제하에서 공간 필터는 두피 표면에 중첩되는 다양한 뇌영역의 전류원 활성들을 해결해준다(그림1b).

 

 단일시행 전류원 파형은 주파수와 주기 함수로 각 뇌활성의 순간적인 envelope amplitude 와 위상을 계산하기 위하여 시간-주파수 영역으로 전환된다. 기준선에 대한 각 전류원의 파워변화는(= enveloope amplitude 제곱) 시행들에 걸쳐서 평균화되고 각 각의 뇌영역 모델에 대해서 시간-주파수 영역활성의 증가 또는 감소를 설명하기 위하여 사건관련 (비)동기화 플랏에서 주파수와 주기함수로 나타내어진다(그림1c).

 마지막 단계에서 단일시행 전류원 파형의 시간-주파수 보기는 뇌영역 모델들 사이의 커플링 정도를 결정하기 위하여 magnitude-squared coherence 분석에 영향을 받는다.

 

Time-Frequency Transformation

 

 복잡한 복조 또는 Hilbert 변환, 웨이블릿 변환과 같은 시간-주파수영역으로 시간영역 신호를 변환시키는 다양한 접근법들이 있다. 이들 방법은 시간함수로 특정 주파수 밴드의 envelope amplitude와 위상을 획득하기 위하여 전류원 coherence 개념으로 적용될 수 있다. 우리는 BESA에서 제공하는 복잡한 복조를 적용했다

(Papp and Ktonas, 1977).

 관심이 되는 함수 f0의 각 주파수에 대해서 다음 단계가 수행되었다:

1) 원래의 시간-영역 신호는 sin과 cos으로 각각 곱해진다. 이런 조절 연산은 주파수 영역에서 주파수를 더하고 빼기 위하여 주파수 f에서 모든 신호를 변환시킨다.

2) 결과로 나타나는 두 가지 신호들은 원래 함수 f0 주변에서 중심에 위치한 주파수 범위와 낮은 주파수 범위가 전환된 주파수 범위를 추출하기 위하여 low-pass로 여과된다. 따라서 low-pass에서 분리된 주파수는

envelope amplitude 와 위상이 계산된 것에 대해서 주파수 밴드 넓이의 절반으로 설정한다. 그런 것에 의해서 이 필터는 시간과 주파수에서 해상도를 절대적으로 정의한다. 본 연구에서 FIR 여과법은 130ms의 시간영역에서 FWHM(Full With at Half Maximum)에 해당하는 4Hz의 low-pass 주파수로 선택되었다.

3) 2)단계의 두 가지 출력 신호들은 시간함수로 복합신호의 실제 부분과 이미지 부분으로 정의한다. 그것의 magnitude는 f0에 중심이 되는 여과된 주파수 밴드의 위상을 혼합시키는 절반의  envelope amplitude와 그것의 위상에 해당한다.

 이들 단계는 관심이 되는 각 주파수 f0에 대해서 수행된다. 다음 분석과 표시동안 우리는 2Hz 단계에서

4-50Hz 사이의 f0를 표본으로 했다. 그리고 자극개시와 관련있는 -400ms에서 +800ms 사이의 주기 25ms 표본화 단계에서 FIR 여과법을 적용했다.

 

Example Data

 

 전류원 coherence는 오류관련 음전위 연구에서 128채널 EEG 데이터세트를 이용하여 증명하였다. 기록하는 동안 건강한 대상자는 Eriksen flanker task를 수행했다. 각 시행에서 다양한 시각자극 중 하나가( 문자열 HHHHH, SSHSS, SSSSS, HHSHH) 시야중심에 나타났다. 대상자는 왼손 또는 오른손으로 각각 키를 눌러서 문자열 내에서 가운데 글자를 가리키라고 요청받았다. EEG는 125Hz로 샘플링되고 0.1-50Hz 대역통과 필터를 이용하여 기록되었다. BESA의 잡음제거 도구를 이용하여 잡음을 포함하는 기간이 제거되었다. 대상자가 부정확하게 반응한 201자극 중 남은 159자극은 더 많은 분석으로 사용되었다. 

 평균 reference로 전환한 후에 자극관련 평균 ERPs와 반응관련 평균 ERPs는 순차적 피팅 전략에 기반을 둔 전류원 모델을 만드는 것에 사용되었다. 시각 유발활성을 설명하기 위하여, 3 개의 쌍극자가 중앙(ViM), 왼쪽(ViL), 오른쪽(ViR) 시각피질에 피팅되었다. 외쪽(MCL)과 오른쪽(MCR) 운동피질에 2개의 대칭적으로 위치한 전류원은 키 누르기와 관련된 반응으로 일차운동피질에 모델링되었다. 추가적인 전류원은 왼쪽과 오른쪽 측두엽 기저부(TbL & TbR)로 피팅되고 초기 오류관련 성분을 설명해주는 조금 뒷쪽에 위치한 ACC 쌍극자로(CgP)로 피팅되었으며, 후기 오류관련 성분에 대해서는 좀 더 앞쪽 쌍극자(CgA)로 피팅되었다. 모든 쌍극자 방향은 평균 데이터에서 피팅되었다. 이들 피질 전류원에 추가적으로 왼쪽, 오른쪽 눈에 2개의 쌍극자가 잔량의 눈 운동활성을 설명하는 것에 사용되었다. 그 전류원의 방향은 전체 기록에 걸쳐서 BESA에서 자동화된 패턴 탐색으로 결정되는 것으로 대상자의 눈 깜박임이 평균으로 피팅되었다. 그 결과로 나타난 전류원 모델은 그림 1a에 설명되었다. 그것은 유발된 반응의 평균을 기반으로 한 쌍극자로 모델한 그 전류원 영역은 오류 시행동안 추가적으로 유도된 활성을 나타낼 것이라는 가설을 나타낸다. 시각피질에서 중앙선의 전류원은 진행중인 상당부분의 알파활성을 모델하였다. 알파활성에서 더 많은 전류원들은 자극개시와 함께 억제되었다. 따라서 자극이전 알파활성은 전류원 모델 영역에서의 불충분한 모델활성의 간섭효과를 연구하는 것에 사용될 수도 있다.

 

Results

 

 그림 1b에서 두피에서 뇌전류원 영역으로 데이터를 전환한 후에 몇 몇 전형적인 표본 시행을 나타내었다. 시각영역, 측두영역, 운동영역에서 자극관련 활성들이 많은 배경이되는 EEG 신호들 사이에 섞여있다. 그러나 CgP와 CgA에서 두 개의 ERN 성분은 단일시행 전류원 파형에서 명확히 드러난다. 두 개의 ERN 성분들 사이의 영속적인 시간경과는 공간 전류원 필터에 의해 제공된 좋은 분리를 보여준다.

 그림 1c는 뇌영역 모델과 평균 전류원 파형의 ERD/ERS 플롯을 보여준다. 기본 reference는 -350~0ms까지 주기이다. 그 그림은 시각자극에 의한 순차적인 뇌활성을 설명해준다: 가장 초기 유발된 활성은 3개 시각 영역에서 발생했다. 200ms 정도 주기에서 측두엽 기저부는 양쪽으로 활성이되고 그런다음, 버튼 누르기를 통제하는 감각-운동 피질(반응관련 평균으로 피팅된 피크)이 약 300ms 정도에서 활성된다. 오류관련 활성의 초기성분은 390ms 정도에서 CgP전류원에서 나타났다. 그런다음, 450ms 정도에서 피크가 되는 CgA에서 두 번째 성분이 나타났다. 그림 1c는 낮은 주파수 파워에서 높은 증가가 자극에서 시간고정되고 위상고정된 일시적으로 유발된 활성과 동기화되었다는 것을 설명해준다. 10Hz 범위에서 알파리듬의 억제가 대부분 뒷쪽, 밑부분 전류원에서 관찰되었다. 그 자극은 운동영역에서 20Hz정도의 베타활성의 급격한 억제를 유도하고

600ms 정도에서 rebound가 나타났다. 감마범위(30-45Hz) 시각과 감각-운동 영역에서 전류원들은 자극 후

220ms 정도에서 시작하는 유도된 활성이 보였다.

 

  그림 2a는 reference 전류원으로 ViM을 사용한 전류원 coherence 분석을 보여준다. 220ms정도에서 ViL과 ViR의 낮은 주파수 영역의 coherence는 시각피질 영역에서 시간고정 유발된 과도신호(transient)의 동시성을 반영한다. 알파활성이 몇몇 전류원에 분산되었다는 사실은 10Hz범위에서 자극전 coherence를 만든다. 감마밴드에서 두 개의 중요한 결과가 나타났다: 첫 번째 200-400ms 시간범위에서 높은 ERS는 시각 전류원채널 3개 모두에서 관찰되었는데(그림 1c), 양쪽 시각영역과 ViM 사이의 coherence는 0.2이하이다(그림 2a). 이것은 관찰된 ERS가 커플링 현상이기보다는 각 시각영역 모델에서 독립적인 처리과정이라는 것을 제시한다. 두 번째 같은 시간주파수 범위안에서 큰 coherences는 ViM과 MCR사이에서 그리고 MCL 사이에서도 관찰되었다. 그것은 후두 수직활성과 양쪽 중심부영역 사이의 진동 커플링을 제시한다.

  비교를 위하여 그림2b는 구형 스플라인 보간법에의한 128채널에서 27개의 가상 두피전극 배치를 이용한 두피 coherence분석을 보여준다. 이 몽타주는 "reference-free"였다. 즉 reference가 구형 스플라인 보간법으로 결정된 것과 같은 전체 구형의 두상에 걸쳐 적분된 평균 전압이 추정되었다. coherence는 Oz에 대한 모든 가상 전극에 대해서 계산되었다. O1과 O2 주변 전극은 모든 주파수와 주기에서 큰 coherence가 전반적으로 나타났다. 이것은 이들 전극들이 주로 Oz와 같은 신호를 기록했기 때문이다. 알파 coherence는 후두전극과 전두 전극에서 관찰되었다. 이것은 10Hz리듬의 전반적인 전후 양극 토포그래피를 만든다. 추가적으로, 넓게 분포된 coherence는 다양한 ERD 주기의 낮은 주파수 범위에서 관찰되었다. 뇌 전류원 몽타주와 비교해서 감마밴드 coherence는 두피에서 훨씬 낮게 나타났다. 다양한 활성이 넓게 퍼져 중첩되었기 때문에 두피 수준에서 coherence 분석으로 얻어질 수 있는 뇌영역 coherence 위치와 존재에 대해서 어떤 결론도 내릴 수 없다.

 

Discussion

 

 우리의 결과들은 두피 coherence에 걸쳐진 전류원 coherence의 중요한 장점을 증명했다. 두피에서 다양한 뇌영역의 활성들의 넓게퍼진 분산은 많은 두피 센서사이에서 유의한 coherence값을 끌어낸다. 이것은 특히 근접한 센서에서 확실히 나타나고, 국소 뇌활성에 대한 양극의 두피 토포그래피가 확장되어있기 때문에 같은 뇌영역에서 오는 신호를 기록하는 공간적으로 분리된 센서에서도 나타났다. 따라서 두피에서 관찰된 부분적 coherence가 다양한 뇌영역 사이의 동기화 때문이다라는 결론을 내리기 어렵다.

 센서에서 뇌영역으로까지 데이터를 전환한 뇌영역 몽타주의 적용은 상당부분 다양한 뇌영역의 활성을 분리하는 것으로 이런 문제를 해결해준다. 우리의 예시에서 후두부, 중앙부, 측두부, 대상영역의 높고 낮은 주파수 활성의 분리는 식별되어질 수도 있다.

 세 개의 후두부 쌍극자 ViR, ViM, ViL 사이에서 명확하게 감마밴드 coherence가 없는 것은 독립적 처리로 관찰된 수직 후두부 감마 비동기화가 되었다는 것을 알려준다. 그리고 그것은 방법론적으로 높은 공간적 해법을 증명했다. 동시에 버튼을 누르는 시간대에서 중앙(midline) 후두부 전류원과 중앙(central)부위 전류원 사이에서 coherence는 시각-운동 과제에서 이들 뇌영역사이의 역동적인 커플링을 제시했다. 그러나 전류원 위치는 동기화된 뇌영역들의 대충적인 추정만 제공한다. 그것은 적용된 전류원 모델이 평균데이터와 시간 고정데이터에 기반을 둔 뇌영역 활성에서 사전가설로부터 나오기 때문이다. 반면 동기화된 진동 뇌활성의 사후 국소화에서는 그렇지 않다. 따라서 뒷쪽 영역의 모든 수직적 활성을 검출한 모델에서 뒷쪽 수직적 전류 쌍극자만 후두부 중앙선 쌍극자로 만들기때문에 후두부 감마 활성이 소뇌에서 나온다고 할 수 있고 시각피질의 수평영역(calcarine fissure 또는 기저면)에서 나타나는 것은 아니다. 그런 분리는 유도된 진동활성을 이용하여 국소화하기위하여 주파수영역에서 아주 정확한 머리모델과 전류원 분석을 요구할 것이다. 예를 들면, Beamforming 또는 이산 다중 전류원 피팅.

 관찰된 자극전 알파밴드 coherence는 그것이 시각자극 개시에 의해서 크게 억제되기 때문에 정밀하게 모델되지 않았다. 그리고 자극 후 활성의 모델이 포함되어져야 하는 것은 아니다. 따라서 자극 전 알파밴드

coherence는 몇몇 전류원에 걸쳐서 모델되지 않은 진동활성의 전파를 설명하는 것에 사용될 수 있다. 그러나 아직까지 이런 전파는 두피 전극과 비교해서 전류원 수준에서 상당히 적었다. 원칙적으로 그것은 감소되어지고 있을 수도 있고 진행동안 뒷쪽 알파리듬이 전류원 세트 또는 공간성분에 의해서 분리되고 설명되어질 수 있다. 그러나 그런 모델에서 전류원이 증가되었기 때문에 이것은 모든 영역들 사이에서 많은 크로스토크를 발생시킨다.

 전류원 coherence는 이산 다중 전류원 모델에 기반을 둔다. 따라서 시간 영역에서 이산 공간 필터의 모든 속성들은(property) 시간-주파수 영역에서 균등하게 적용한다: 모든 활성 또는 진동영역이 모델에 포함될 경우 공간필터는 다양한 활성을 크게 분리한다. 왜냐하면 하나의 전류원 활성을 추출하는 역필터 벡터가 다른 모든 전류원의 전향적 벡터를 가지는 영의 결과를 가지기 때문이다. 정밀하지 않은 등가 전류원 모델과 머리모델에서 부정확한 특징때문에 크로스토크는 일반적으로 2-10%로 한다. 두피 전극과 비교해서 이것은 매우 강력한 간섭의 감소를 반영한다.

 시간영역과 같이, 다양한 접근법들은 뇌영역들 사이의 coherence를 추정하기 위해서 시간-주파수 영역에서 센서로부터 뇌전류원 영역으로 전환하는 것을 이용할 수 있다. 최근에 Beamformer 접근법이 운동관련 활성에서  적용되어왔다. Beamformer는 자동적 이미지를 만드는 장점이 있다. 따라서 이산 전류원 모델을 만들어야 하는 필요성을 피할 수 있다. 그러나 Beamformer는 뇌활성들이 시간적으로 상관성을 가지지 않는다는 가정에 기반을 둔다. 이것은 특히 잡음섞인 데이터에서 높은 상관관계를 가지는 전류원에대한

Beamformer접근법으로부터 획득된 coherence추정의 오류를 초래할 수 있다. 이산 전류원에 기반을 둔 전류원 coherence는 상관관계가 없는 전류원 활성의 가정을 요구하지 않는다. 따라서 그것은 예상되는 것처럼 다양한 뇌영역들에서 높은 상관관계를 가진 활성에 적용될 수 있다. 예를 들면 binding경우.

 본 논문에서 한명의 대상자 ERN 데이터는 ERN 실험에대한 전체 분석을 제공하려고 하는 것은 아니고 뇌영역들 사이의 진동 커플링 분석도구로서 전류원 coherence의 잠재적인 특성을 설명하려고 제공되었다.