뇌 신호의 정확한 3D 위치 추적: 새로운 선형 이미징 방법

이 논문은 EEG와 MEG 측정 데이터로부터 뇌 속 3차원 공간에서의 전기 신경 활동 분포를 추정하는 역문제를 다룬다. 이 문제는 고유한 해가 존재하지 않는 비유일성(non-unique) 문제로, 기능적 신경 영상화의 목적상 '좋은' 국소화 능력을 가진 해법을 찾는 것이 핵심이다. 논문은 먼저 전기 전위의 기준 전극 문제를 해결한다(Eq. 9-10). 평균 참조 변환(centering matrix H)을 적용하면 측정된 전위와 리드 필드 행렬 K가 기준 전극에 무관해지며(Eq. 13), 최종 전방 방정식은 Φ = K J 형태로 단순화된다(Eq. 14). 본론에서는 '정확한 영 오차 국소화' 특성을 가진 이산적 3D 분산 선형 이미징 방법군을 소개한다(Eq. 15). 이 방법군은 대칭 행렬 C로 매개변수화되며, 추정된 활동의 제곱 진폭이 실제 점 테스트 신호원 위치에서 정확히 최대가 됨을 미분을 통해 증명한다(Eq. 17-18). 이 일반 공식에 C = (K K^T + α H)^+를 대입하면 sLORETA 방법이 얻어진다(Eq. 19). 저자는 sLORETA가 측정 잡음(ε_Φ)과 구조화되지 않은 생물학적 잡음(ε_J)이 동시에 존재하는 보다 현실적인 조건 하에서도 위치 추정 편향이 없음을 보인다(Eq. 20-26). 이는 순수 측정 잡음만 가정한 기존 연구 결과와 대비된다. 더 나아가, eLORETA(exact LORETA) 방법을 제안한다. 이는 블록 대각 가중치 행렬 W를 사용하는 가중 최소 노름 해법의 특수한 경우이다(Eq. 27-28). eLORETA의 가중치 W_i는 Eq. 31의 조건을 만족하도록 설계되어, α=0일 때는 완벽한 역해(측정값 재현), α>0일 때는 정규화된 해를 제공하면서도 항상 '0 오차 국소화' 특성을 유지한다. eLORETA는 또한 구조화된 생물학적 잡음(공분산 σ_J * W^{-1}) 하에서도 편향되지 않지만, 이러한 잡음 구조가 생리학적 현실과 부합할지 여부는 논점으로 남는다(Eq. 34). 마지막으로, 베이지안 관점에서 eLORETA를 재해석한다. 사전 공분산을 Σ_J = W^{-1}, 잡음 공분산을 Σ_Φ = α H로 모델링할 때, 사후 공분산 Σ_Ĵ와 실제 전류 밀도 공분산 Σ_J 사이의 차이를 최소화하는 가중치 W를 찾는 문제(Eq. 42)가 eLORETA 조건과 동일함을 보여준다. 이를 통해 eLORETA가 통계적 최적성 측면에서도 정당화됨을 주장한다.