通过将全球优化算法与本地参数搜索相结合,从同时的MEG-EEG数据中改进双极源定位:大脑幻影研究
Subrat Bastola1, Saeed Jahromi1,2, Rupesh Chikara1,2
1Bioengineering Department, The University of Texas at Arlington, Arlington, TX 76019, USA.
Bioengineering (Basel, Switzerland)
|September 27, 2024
概括
这项研究引入了一种混合算法,将模拟回火和准牛顿方法结合起来,以改善大脑中电流源的估计,特别是在杂的条件下. 这种新方法提高了双极定位的准确性高达45%的单个和多个来源.
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.
- 计算生物学 计算生物学
背景情况:
- 双极定位对于大脑电流源估计至关重要,但由于信号噪声比 (SNR) 低和复杂的头部模型而受到挑战.
- 现有的优化方法在低SNR条件下往往无法找到准确的全球最小值,这导致深脑源的重大本地化错误.
研究的目的:
- 开发和验证一种新的混合优化算法,以在低SNR条件下提高双极定位精度.
- 解决传统方法在准确估计人类大脑中的电流来源方面的局限性.
主要方法:
- 开发了一种混合算法,将模拟和准牛顿优化方法结合起来.
- 该算法使用现实的头部模型进行了测试,用于电脑图 (EEG) 和磁脑图 (MEG) 数据.
- 性能与双极扫描和梯度下降技术进行了比较.
主要成果:
- 新的混合算法显示,与传统方法相比,双极定位准确度显著提高,高达45%.
- 对于单双极源和复杂场景,包括多个近接双极,都观察到更高的准确性.
- 这种方法即使在低SNR条件下也被证明是有效的,这对于深层的大脑源来说是典型的.
结论:
- 拟议的混合算法提供了一个强大的解决方案,用于在具有噪音数据或深度源的具有挑战性的神经成像场景中准确地定位二极管.
- 这种方法有可能推进临床神经成像应用,需要精确的电流源估计.
