뇌 전류 벡터의 다변량 결합성 분석과 영 지연 효과 제거 방법

초록

본 논문은 뇌 전위·자기장 데이터를 통해 얻은 3차원 전류 밀도 벡터(다변량 시계열) 간의 코히런스와 위상 동기화를 일반화하고, EEG/MEG 토모그래피의 저해상도로 인한 영-지연 인공 결합성을 제거하는 방법을 제시한다. 조건부 코히런스와 비정상적 시간‑주파수 분석, 무모수 랜덤화 검정도 간략히 논의한다.

상세 분석

이 연구는 기존의 단일채널(스칼라) 시계열에 적용되던 코히런스와 위상 동기화 지표를, 뇌 위치마다 3차원 전류 밀도 벡터로 표현되는 다변량 시계열에 확장한다는 점에서 혁신적이다. 저자들은 복소수 교차 스펙트럼을 이용해 두 벡터 시계열의 공분산 행렬을 계산하고, 이를 정규화하여 다변량 코히런스 매트릭스를 정의한다. 위상 동기화는 각 벡터의 복소수 위상 차이를 추출한 뒤, 그 차이의 평균값을 이용해 일반화된 위상 동기화 지표를 만든다.

EEG/MEG 토모그래피는 전도와 확산 효과 때문에 서로 다른 뇌 부위에서 측정된 신호가 인위적으로 동시성을 보이는 영-지연(coherence at zero lag) 문제를 안고 있다. 이를 보정하기 위해 저자는 (1) 복소 교차 스펙트럼의 허수부만을 이용한 ‘imaginary coherence’, (2) 신호를 직교화(orthogonalization)하여 영-지연 성분을 제거하는 방법을 제안한다. 두 방법 모두 실제 신경 연결성에 기인한 비영-지연 상호작용만을 강조한다.

또한, 조건부 코히런스·위상 동기화는 제3의 시계열을 통제함으로써 직접적인 연결성을 추정하도록 확장된다. 비정상적(non‑stationary) 상황에서는 시간‑주파수 윈도우링을 적용해 동적 변화를 추적할 수 있다. 마지막으로, 무모수 랜덤화(randomization) 절차를 통해 얻은 통계적 유의성을 검정함으로써, 복잡한 다변량 연결성 지표의 과대검출을 방지한다. 전체적으로 이 논문은 뇌 연결성 연구에서 다변량 데이터와 영‑지연 보정이라는 두 핵심 난제를 동시에 해결하는 통합 프레임워크를 제공한다.