分布源方法的后处理,用于患者队列中体感皮质的局部化

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 神经外科 神经外科

背景情况:

• 精确地定位雄辩的皮层对于神经外科手术程序至关重要,如和瘤切除.
• 目前使用磁脑学 (MEG) 的等值电流双极 (ECD) 的方法提供有限的空间细节,需要主观的解释.
• 精确的皮层区域的增强划分可以改善手术前的规划,减少术后的并发症.

研究的目的:

• 开发和验证用于分布式源本地化结果的后处理方法,来自MEG.
• 为了生成可解释的,分布式地图的皮质激活,以改善手术前的信息.
• 为了减少主观性在识别雄辩的皮层区域的空间范围.

主要方法:

• 利用了经过体感刺激的患者的回顾性队列.
• 应用分布式源定位 (sLORETA),然后进行盲目的源分离以进行后处理.
• 通过将结果与解剖图谱和随机机会进行比较,验证了定位准确性.

主要成果:

• 该算法成功地确定了体感反应的解剖学上适当的皮质区域.
• 观察到高的中间重叠:97.6%的左侧和94.7%的右侧中枢神经刺激.
• 在98%的患者中,局部化在两种刺激类型中均具有统计学意义 (p < 10 × 10^-10),优于随机机会.

结论:

• 开发的算法提供了使用MEG的雄辩的皮层区域的准确和空间广泛的本地化.
• 这种方法与当前的临床双极定位技术并没有劣势.
• 它提供了一种更客观,更详细的手术前绘图方法,有可能将并发症降到最低.