우리 연구실의 이우용 석사과정 연구원이 “Heartbeat-related spectral perturbation of electroencephalogram reflects dynamic interoceptive attention states in the trial-by-trial classification analysis”라는 주제로, 뇌영상 분야에서 최고 권위를 자랑하는 저널 Neuroimage에 논문을 출판하였습니다.
논문 링크
https://doi.org/10.1016/j.neuroimage.2024.120797
이 논문은 심박수에 집중하는 내수용 감각(interoception) 인지가 뇌전도(EEG)와 심전도(ECG)의 R-피크와 동기화된 독특한 전기생리학적 반응, 특히 심박 유발 전위(HEP)를 활성화한다는 기존 연구를 바탕으로, 새로운 개념인 심박 관련 스펙트럼 변동(HRSP)을 제안하였습니다. HRSP는 R-피크를 기준으로 잠금된 EEG 신호의 시간-주파수 분석 결과로, 연구에서는 HRSP를 이용해 내적 주의 상태를 분류하는 방법을 제안하였습니다. 독립 성분 분석(ICA)을 통해 분리된 뇌 EEG 성분의 HRSP를 활용하여, 연구팀은 내적 감각 상태를 오프라인 및 온라인 환경에서 분류하였으며, 이를 위해 심층 신경망(CNN)을 활용했습니다. 연구는 심박수와 백색 소음에 집중하는 이진 상태 실험 데이터와, 심박수, 백색 소음, 시간 경과, 발가락 감각에 집중하는 네 가지 상태 실험 데이터를 CNN에 입력해 HRSP의 특성을 분석했습니다. 연구 결과, R-피크가 실제 데이터와 일치하는 HRSP는 임의의 R-피크를 사용한 경우보다 분류 정확도가 훨씬 높았으며, 주요 주파수 대역인 세타 및 알파 밴드(200-600ms)가 주된 역할을 한다는 것을 확인했습니다.
이 연구는 HRSP가 내적 주의 상태를 반영할 수 있는 가능성을 제시하며, 향후 임상적 응용에 있어 변혁적인 역할을 할 수 있음을 시사합니다.
https://doi.org/10.1016/j.neuroimage.2024.120797
Attending to heartbeats for interoceptive awareness initiates distinct electrophysiological responses synchronized with the R-peaks of an electrocardiogram (ECG), such as the heartbeat-evoked potential (HEP). Beyond HEP, this study proposes heartbeat-related spectral perturbation (HRSP), a time-frequency map of the R-peak locked electroencephalogram (EEG), and explores its characteristics in identifying interoceptive attention states using a classification approach. HRSPs of EEG brain components specified by independent component analysis (ICA) were used for the offline and online classification of interoceptive states. A convolutional neural network (CNN) designed specifically for HRSP was applied to publicly available data from a binary-state experiment (attending to self-heartbeats and white noise) and data from our four-state classification experiment (attending to self-heartbeats, white noise, time passage, and toe) with diverse input feature conditions of HRSP. From the dynamic state perspective, we evaluated the primary frequency bands of HRSP and the minimal number of averaging epochs required to reflect changing interoceptive attention states without compromising accuracy. We also assessed the utility of group ICA and models for classifying HRSP in new participants. The CNN for trial-by-trial HRSP with actual R-peaks demonstrated significantly higher classification accuracy than HRSP with sham, i.e., randomly positioned, R-peaks. Gradient-weighted class activation mapping highlighted the prominent role of theta and alpha bands between 200-600 ms post-R-peak-features absent in classifications using sham HRSPs. Online classification benefits from employing a group ICA and classification model, ensuring reliable accuracy without individual EEG precollection. These results suggest HRSP’s potential to reflect interoceptive attention states, proposing transformative implications for clinical applications.