通过结合来自多个受试者的数据来改善视网膜类MEG反应的来源估计

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:

• 磁脑电图 (MEG) 通过磁场测量大脑活动,但来源定位是一个错误的反向问题.
• 目前的MEG分析通常使用个体受试者数据,可能会限制空间分辨率.
• 建议进行多主体分析,通过利用主体间的可变性来提高MEG空间分辨率.

研究的目的:

• 为了比较三个多主体分析方法改善MEG空间分辨率的有效性.
• 评估增加受试者数量的对MEG源定位准确性的影响.
• 为了确定哪种多主体方法为视网膜图谱绘图提供了卓越的空间准确性.

主要方法:

• 来自20名受试者的视网膜图谱绘图数据使用三个多主体方法进行了分析:eLORETA采用源空间平均值,最小Wasserstein估计 (MWE) 和MWE采用源空间平均值.
• 通过测量MEG衍生激活峰和fMRI定义的视网膜点之间的地理距离,在主要视觉皮层 (V1) 中量化空间准确性.
• 分析系统地将受试者数量从1个增加到10个,以评估数据聚合的影响.

主要成果:

• 与单个受试者分析相比,从1个增加到10个减少了MEG激活和fMRI目标之间的中位距离6.6-9.4毫米 (33-46%),与单个受试者分析相比 (约. 20 毫米). 这是一个很大的问题.
• 多个主体分析导致了峰值激活位置,与V1.1的已建立的视网膜图更好地对应.
• 通过对个体的源空间进行平均的eLORETA估计,在这个数据集中,与MWE相比,空间准确性更高.

结论:

• 从多个受试者的数据汇集提高了磁脑电图的空间准确性.
• 多主体分析,特别是源空间平均的eLORETA,为功能性脑成像提供了更好的空间分辨率.
• 通过多学科分析利用学科间的差异是推动MEG能力的有希望的策略.