磁脑电图 (MEG) 数据处理在患者与植入响应神经刺激 (RNS) 设备

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 信号处理 信号处理

背景情况:

• 耐药性 (DRE) 通常需要手术或神经调节干预,如响应性神经刺激 (RNS).
• 神经成像,特别是磁脑摄影 (MEG),对于的评估至关重要,但RNS植入物会扭曲MEG信号.
• 现有的方法很难减轻由RNS设备引起的信号扭曲,这使植入后的神经图像复杂化.

研究的目的:

• 引入和评估基于独立组件分析 (ICA) 的方法,以提高RNS植入患者的MEG信号质量.
• 提高MEG的诊断准确性和临床实用性,用于对经过RNS植入的患者的评估.

主要方法:

• 使用基于ICA的自动化方法与MNE-Python进行MEG数据预处理.
• 应用时间信号空间分离 (tSSS) 与ICA一起用于消除噪音.
• 分析了功率光谱密度 (PSD) 和信号对噪声比 (SNR),并进行了单等电流双极 (SECD) 建模,用于MEG双极分析.

主要成果:

• 基于ICA的消除噪声预处理显著改善了来自RNS患者的MEG数据中的信号噪声比 (SNR).
• 定性评估表明,信号可读性提高,MEG双极分析得到了改进.
• 该方法显示,RNS植入患者的MEG数据质量总体显著提高.

结论:

• 基于ICA的处理是改善RNS设备的患者MEG数据质量的临床相关和有效方法.
• 这种技术有助于更准确的神经生理学评估和潜在的更好的手术规划在具有挑战性的患者群体.
• 通过ICA提高MEG信号质量可以为耐药性和RNS植入物患者做出更明智的临床决策.