베이지안 M/EEG 소스 이미징에서 불확실성 보정: BMN+sLORETA와 SBL+S-FLEX 비교

Uncertainty calibration in Bayesian M/EEG source imaging

M/EEG 소스 이미징에서 신뢰구간이 실제로 얼마나 잘 보정되는지를 시뮬레이션으로 평가한 연구다. Bayesian minimum norm(BMN)과 sLORETA 깊이 가중, sparse Bayesian learning(SBL)과 S-FLEX를 비교했다. S-FLEX는 SBL에서 복셀 단위 분산이 퇴화되는 위치에서도 보존된 계수가 0이 아닌 주변 사후 분산에 기여하도록 한다. BMN에 대해서는 증거 최대화를 통해 소스 분산과 잡음 분산을 함께 갱신하는 식을 도출했다. 보정 전에는 SBL+S-FLEX가 BMN+sLORETA보다 Wasserstein 위치 추정 오차가 낮고 사후 불확실성이 작으며, 명목 신뢰도에 더 가까운 커버리지를 보였다. 두 방법 모두 잔여 불일치가 남아 경험적 커버리지를 이용한 isotonic 재보정을 적용했고, 보수적인 BMN+sLORETA에서 개선 폭이 더 컸다. 실제 청각 MEG 데이터에서는 SBL+S-FLEX가 더 초점이 맞는 위치 추정과 더 좁은 불확실성을 보여 양측 청각 소스 식별에 통계적 검정력이 더 높은 것으로 나타났다.