Cải thiện định vị hoạt động vỏ não bằng cách kết hợp EEG và MEG với tái cấu trúc bề mặt vỏ não MRI: Một phương pháp tuyến tính

Chúng tôi mô tả một phương pháp tuyến tính toàn diện để giải quyết vấn đề hình ảnh hoạt động của não với độ phân giải thời gian cũng như không gian cao, dựa trên việc kết hợp dữ liệu EEG và MEG với các ràng buộc giải phẫu thu được từ hình ảnh MRI. "Bài toán nghịch" của việc ước lượng phân bố cường độ dipole qua bề mặt vỏ não là một bài toán có nhiều ẩn số, ngay cả khi có các ghi nhận EEG và MEG gần nhau. Chúng tôi đã đạt được các giải pháp tốt hơn nhiều cho vấn đề này bằng cách tích cực kết hợp cả hướng vỏ não cục bộ cũng như hiệp phương sai không gian của các nguồn và cảm biến vào công thức của chúng tôi. Một mô hình đa giác rõ ràng của đa tạp vỏ não được xây dựng như sau: (1) dữ liệu cắt trong ba mặt phẳng song song (các voxel dạng kim) được kết hợp với một kỹ thuật làm mờ tuyến tính để tạo ra một hình ảnh 3-D độ phân giải cao duy nhất (các voxel lập phương), (2) hình ảnh được flood-fill tái diễn để xác định hình học của ranh giới xám-trắng, và (3) bề mặt liên tục thu được được tinh chỉnh bằng cách làm mềm nó so với hình ảnh xám-đen 3-D gốc bằng cách sử dụng phương pháp mẫu biến dạng, cũng được sử dụng để làm phẳng vỏ não một cách tính toán nhằm dễ dàng quan sát hơn. Giải pháp rõ ràng cho một công thức tối ưu hóa việc giảm thiểu lỗi của một toán tử tuyến tính nghịch lý (cho một đa tạp vỏ não cụ thể, vị trí cảm biến, tiếng ồn và hiệp phương sai nguồn trước) dẫn đến một biểu thức gọn gàng có thể tính toán được cho hàng trăm cảm biến và hàng nghìn nguồn. Giải pháp nghịch có thể được cân nhắc cho một sự kiện cụ thể (được trung bình) bằng cách sử dụng hiệp phương sai cảm biến cho sự kiện đó. Các nghiên cứu mô hình gợi ý rằng chúng tôi có thể định vị nhiều nguồn vỏ não với độ phân giải không gian tốt như PET bằng kỹ thuật này, trong khi vẫn giữ được hình ảnh chi tiết hơn về hoạt động theo thời gian.