時間基底行列に基づく変分スパースソースイメージング法 VSSI-TBM

科学分野:

• 神経画像処理
• 生体工学
• 信号処理

背景:

• 脳ソース再構成は、機能領域および病変領域の局在化に不可欠です。
• 複雑な実験環境（ノイズ、分散活動）は、現在のソースイメージングの精度を制限します。
• 正確な範囲推定は、脳ソース再構成における課題のままです。

研究 の 目的:

• 時間基底行列（VSSI-TBM）アルゴリズムに基づく新しい変分スパースソースイメージング法を提案すること。
• 困難な条件下での脳ソース再構成の精度と堅牢性を向上させること。
• 事前情報の有無にかかわらずVSSI-TBMアルゴリズムのパフォーマンスを評価すること。

主な方法:

• 有効信号を抽出するために低ランク分解を利用するVSSI-TBMアルゴリズムを開発しました。
• 空間的スパース性と滑らかさのために混合ノルム制約と皮質ソース変動演算子を採用しました。
• 事前情報を使用した再構成を改善するためにリードフィールドガイド制約を組み込みました。

主要な成果:

• VSSI-TBMは、低SNR、大規模ソース（>11cm^2）、およびマルチソース環境で堅牢なパフォーマンスを示しました。
• 事前情報の統合は、複雑な設定でのイメージングパフォーマンスを大幅に向上させました。
• このアルゴリズムは、OPM-MEGデータセットで強力な空間範囲再構成の堅牢性を示しました。

結論:

• VSSI-TBMは、既存の方法の限界を克服する、脳ソースイメージングのための堅牢で正確なソリューションを提供します。
• このアルゴリズムのパフォーマンスは、特に困難な低SNRおよび複雑な環境で強力です。
• 事前情報の統合は、特にOPM-MEGシステムでVSSI-TBMの効果をさらに高めます。