在MEG数据中的相振幅合可以识别雄辩的皮质

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 医疗成像医学成像

背景情况:

• 精确识别雄辩的皮层对于最小化和瘤患者的手术后缺陷至关重要.
• 目前的手术前绘制方法是主观的,需要大量的专业知识,突出了客观方法的需要.
• 阶段振幅合 (PAC) 显示出作为功能性大脑映射的生物标志物具有前途,因为它在任务诱导的大脑活动中的作用.

研究的目的:

• 开发和验证一种基于相振幅合 (PAC) 的新算法,用于对体感官雄辩皮层的非侵入性识别.
• 利用患者的磁脑图 (MEG) 数据进行客观的手术前功能映射.
• 建立PAC作为可靠的生物标志物,用于识别特定任务的大脑活动.

主要方法:

• 分析了30名患者的体感和自发磁脑电图 (MEG) 记录.
• 在源重建数据 (5-12 Hz和 30-300 Hz) 上计算相振幅合 (PAC),然后进行排列-2 张量分解.
• 基于密度的聚类和患者特定的支持矢量机 (SVM) 分类器的应用,以根据PAC值识别活跃的大脑区域.

主要成果:

• 在刺激过程中,PAC算法成功地识别了预期的六个体感大脑区域中的五个 (p=1.08×10-8).
• 一个线性混合效应模型证实了在解剖学上相关区域的统计学上显著的特定任务PAC (p < 0.01).
• 患者特定的SVM分类器在识别活跃大脑区域方面实现了高特异性 (99.46%) 和精度 (66.9%).

结论:

• 开发的基于PAC的算法可靠且客观地识别了患者的体感皮质激活在个人和人口层面.
• 这项研究表明,使用PAC作为功能大脑映射的非侵入性标记物的可行性.
• 未来的研究将探索这种PAC算法的应用,用于绘制其他雄辩的皮层,如语言,运动和听觉区域.