사건관련 전위에서의 피크 성분 원천들의 새로운 분리법

Abstract

뇌 기능 연구에 있어서, 사건관련 전위 (ERP) 분석은 유용한 정보를 제공한다. 이는 기능적 자기공명영상 (fMRI) 이 가지는 시간적 저해상도의 문제를 보상할 수 있는 정보이다. 사건관련 전위 분석의 가장 중용한 것 중 하나는, 사건관련 전위를 기능적으로 구분되는 피크 성분들로, 높은 신뢰도를 가지고, 성분분해를 하는 것이다. 이는 이들 성분들에 대응하는 등가 쌍극자 (dipole) 원천들의 위치를 국소화 할 수 있게 한다. 여태까지 이들의 성분분해는 독립성분분석법 (ICA) 혹은 주성분분석법 (PCA) 을 통해 이루어져 왔다. 하지만, 이 방법들은 통계적으로 상호독립이 아닌 신호들의 분리에 있어서는 그 근본적인 단점을 가지고 있다. 사건관련 전위의 성분들도 이러한 신호에 속한다. 이에 사건관련 전위에 포함되어 있는 단일피크성분 (SPP) 들의 분리를 위한 새로운 그래디언트 강하법 (gradient descent method) 을 제안한다. 이는 신호들의 통계적 성질이 아닌, 파형의 간단한 모양정보를 물리량화하여 이용한 방법이다. 또한 일반적인 그래디언트 강하법에서 사용하는 학습률 (leaning rate) 을 기능적으로 확장하여, 피크성분의 위치와 모양에 적응해 가도록 하는, 일종의 함수화를 도입하였다. 이 새로운 방법을 검증하기 위해 사건관련 전위의 모의 데이터를 생성하여 그 성능을 독립성분분석법과 비교하였다. 그 결과 통계적 독립인 단일피크 성분의 분리에 있어서는, 이 새로운 방법이 탁월함을 확인 할 수 있었다. 또한 실제 사건관련 전위 분석에의 적용 가능성을 점검하기 위해 단어 반복 실험을 통해 얻은 사건관련 전위에 이 새로운 방법을 적용해 보았다. 분리된 사건관련 전위의 성분에 대응하는 등가 쌍극자 원천들의 위치가 기존의 기능적 자기공명영상을 통한 결과와 일치함을 확인하였고, 반면 독립성분분석법을 통한 결과에서는 이러한 결과를 얻지 못했다.