在平均框架上的最大度内对深层大脑活动的EEG/MEG源成像:的模拟和验证

科学领域:

• 神经科学是一个神经科学.
• 生物物理学的生物物理.
• 医疗成像医学成像

背景情况:

• 电磁脑图像源成像 (EEG/MEG) 由于对表面区域的信号敏感性而与深层发电机扎.
• 之前的方法,如相干的平均最大 (cMEM) 在定位表面源方面表现出色,但对于更深层的来源效率较低.

研究的目的:

• 开发和评估cMEM的深度加权适应 (深度加权cMEM) 以改善深发生器的局部化.
• 通过模拟和临床数据,评估深度加权cMEM与标准cMEM和深度加权最小规范估计 (MNE) 的性能.

主要方法:

• 将深度权重纳入MEM框架,并将海马网格纳入源模型.
• 针对MEG和高密度EEG (HD-EEG) 进行了广泛的模拟 (5400) 在各种信号与噪声比率 (SNR) 中进行了间歇性性排放.
• 将cMEM,深度加权cMEM和深度加权MNE应用于模拟数据和来自16名高清EEG和14名MEG患者的临床MEG/HD-EEG记录.

主要成果:

• 与cMEM和深度加权MNE相比,深度加权cMEM显著提高了深层源的定位精度.
• 用深度加权cMEM维持了表面源的定位精度.
• 临床数据显示,深源局部化得到改善,特别是在标准cMEM失败的期患者中.

结论:

• 深度加权cMEM增强了EEG/MEG源成像中深发生器的精确定位.
• 这种方法为深层源提供了更好的性能,而不会对表面源定位造成重大损害.
• 与HD-EEG用于深源成像相比,深度权衡对于MEG (梯度计) 尤其重要.