Ny forskning gør det nemmere at lokalisere hjerneaktivitet i EEG-undersøgelser

Skoltech forskere har foreslået en hurtig og præcis numerisk metode til at løse problemet plager elektroencefalografi (EEG) undersøgelser, der overvåger hjernens elektriske aktivitet-at skulle møjsommeligt finde kilden til EEG signal i hjernen på grund af den lave rumlige opløsning af denne metode. Den nye tilgang kan bidrage til at forbedre både medicinske og forskning applikationer af EEG. Papiret blev offentliggjort i IEEE Transaktioner om Biomedical Engineering.

Antag, at du ønsker at studere egenskaber og aktivitet af en menneskelig hjerne uden revner åbne hjernen ejerens kranium (invasive forskningsmetoder har deres ansøgninger også, men de er forståeligt nok begrænset). Du kan sætte hjernen, med sin ejer, i en MR-maskine, og det er sådan de fleste af disse trendy undersøgelser i nyhederne er gjort. MR kan tilbyde stor rumlig opløsning i, at du kan finde hjernen aktiveringer ganske præcist. Men det er irriterende langsomt, indfange processer, der tager minutter, når en menneskelig hjerne typiske reaktionstider er i span af snesevis og hundredvis af millisekunder. Så er der MEG, magnetoencephalografi, som er meget præcis og mere afstemt til hurtig tænkning af mennesker, men kræver ekstremt dyrt udstyr, der skal køles ned med flydende helium og drives i et magnetisk afskærmet rum.

EEG, elektroencefalografi, dog, er meget enklere og lettere at oprette og bruge, og det giver en meget god tidsmæssig opløsning; det er derfor, det er så udbredt i sundhedspleje og forskning. Der er kun én fangst, forklarer Mikhail Malovichko, en medforfatter af undersøgelsen: selv et lille aktivt område af cortex genererer elektrisk potentiale på en stor del af overfladen af hovedet, så en nøjagtig lokalisering af små aktive pletter af hjernen er en udfordrende matematisk opgave, den såkaldte omvendte EEG problem.

For at løse dette problem, forskere normalt bruger MR-scanninger til at bygge en model af motivets hoved, placere nogle kandidat elektriske dipoler, hovedsagelig bedste gæt for, hvor signalerne kan komme fra, og har en computer pille med modellen, indtil dens output passer til det faktiske signal målt på hovedet. Til dette skal maskinen først løse mange komplementære fremadrettede problemer: finde ud af, hvilke former for elektrisk aktivitet disse kandidat dipoler ville generere.

“Denne tilgang er universel. Den foreløbige løsning af fremadrettede problemer reducerer det omvendte EEG-problem til et lille system af lineære ligninger, som er af samme type uanset kandidatdipælers position og den numeriske metode, der anvendes til at løse det fremadrettede problem. Men hvis man skal tage hensyn til hvert anatomiske træk, så skal det fremadrettede problem løses ved hjælp af den begrænsede elementmetode, en meget ressourcekrævende numerisk procedure, siger Nikolay Koshev, en anden medforfatter til undersøgelsen.

Det tager en hel del tid, så Malovichko og hans kolleger fra Skoltech Center for Data-Intensive Science and Engineering (CDISE) har foreslået at gribe denne udfordring an på en anden måde. Deres løsning for det omvendte EEG problem direkte “backpropagates” målte signaler fra huden inde i hovedet ned til cortex. Dette kræver reframing hele opgaven som en Cauchy problem, en type matematisk problem, der er kendt for at være ustabil for EEG: det betyder, at selv små afvigelser i input, for eksempel fra uundgåelige målefejl, kan væsentligt skæve resultatet. Men nyere forskning har bragt nye tilgange til at løse disse ustabile problemer effektivt, og forskerne brugte dem i deres forskning.

“I det væsentlige, i stedet for at behandle hver kandidat elektrisk dipol separat og skulle løse det fremadrettede problem først for hver af dem, algoritmen nu nødt til at løse blot et omvendt problem, som dog er af en temmelig ejendommelig slags. Dette hjælper med at fremskynde behandlingen af EEG-data og øger nøjagtigheden for kilde lokalisering; Derudover indeholder algoritmen udtrykkeligt oplysningerne om, hvordan hjerneoverfladen er formet,” siger Mikhail Malovichko.

“Vi tror på, at vores tilgang vil åbne døren for en ny generation af hurtige og præcise algoritmer til det omvendte EEG-problem,” konkluderer han.

 

Skriv et svar

Din e-mailadresse vil ikke blive publiceret. Krævede felter er markeret med *