从数字化电极位置或光谱学数据驱动的头部模型个性化改进了M/EEG源定位精度
Nils Harmening1,2,3, Alexander von Lühmann1,2, Benjamin Blankertz3
1BIFOLD - Berlin Institute for the Foundations of Learning and Data, Berlin, Germany.
Imaging neuroscience (Cambridge, Mass.)
|January 12, 2026
概括
这项研究引入了一种新的算法,可以在没有MRI/CT扫描的情况下创建个性化的头部模型,从而提高脑源定位精度,用于脑电图 (EEG) 和脑磁图 (MEG) 研究.
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:
- 在电脑图 (EEG) 和磁脑图 (MEG) 中,精确的源定位依赖于精确的头部模型.
- 标准的头部模型 (例如,Colin27,ICBM-152) 缺乏个体解剖学准确性,可能会限制源定位性能.
- 在许多M/EEG研究中,获得单个结构性MRI/CT扫描通常是不切实际的或不可用的.
研究的目的:
- 开发和验证一个数据驱动的算法,以仅使用头皮信息来近似个体头部解剖.
- 通过使用个性化的头部模型,提高M/EEG中脑源定位的准确性.
- 在结构MRI/CT数据无法获取时,为改进源定位提供实用解决方案.
主要方法:
- 用一个头部模型数据库的低维表示来推导单个头部形状参数.
- 从摄影测量或电极位置 (甚至从智能手机扫描) 中获得的头皮信息被用来个性化头部模型.
- 为了验证,对16名受试者进行了一项实验研究和对22名头部进行了一项EEG模拟研究.
主要成果:
- 与现有方法相比,拟议的算法产生了更准确的头部模型解剖学,即使使用智能手机衍生的头皮数据.
- 与标准和其他个性化方法相比,个性化的头部模型在EEG模拟中显著提高了源定位的准确性.
- 该方法在近似个体头部形状和提高定位精度方面表现出卓越的性能.
结论:
- 拟议的数据驱动算法为创建个性化头部模型提供了一种可行的方法,而不需要结构性MRI/CT扫描.
- 这种方法可以大大提高M/EEG研究的源本地化准确性,并尽量减少额外的努力.
- 这些发现表明,在各种研究和临床应用中,M/EEG的实用性可以提高.
