توسعه ی بیمفرمر مقید خطی مینیمم واریانس جهت بازسازی منابع EEG اسپارس

هدف از تصویربرداری منابع بر اساس EEG، بازسازی فعالیت‌های نورونی است که مسئول پتانسیل‌های مشاهده شده بر روی سطح سر هستند. این کار شامل حل دو مسئله مستقیم و معکوس می‌باشد. هدف مسئله‌ی معکوس برآورد فعالیت منابع مغزی بر اساس داده‌های مشاهده شده و ماتریس لیدفیلد است که در مسئله‌ی مستقیم محاسبه می‌شود. فیلترینگ مکانی که در حوزه‌ی پردازش سیگنال از آن با نام بیمفرمر نیز یاد می‌شود، روشی است برای حل مسئله‌ی معکوس که سری زمانی منبعِ واقع در مکانی خاص را از طریق ترکیب وزنی داده‌های ثبت شده بازسازی می‌کند.

در این مقاله، یک فرض در حوزه‌ی زمان که می‌تواند به سری زمانی منبع مرتبط باشد، فرض اسپارسیتی، در بیمفرمر مقید خطی مینیمم واریانس (LCMV) گنجانده‌ شده است. اضافه کردن این فرض از این جهت منطقی است که تمام منابع مغزی همزمان فعال نیستند مانند اسپایک ‌های و یا تحریک اعصاب محیطی که می‌تواند در زمان اسپارس باشد.

توسعه‌ی بیمفرمر اسپارس با اضافه کردن تِرم تعدیل گرِ نُرم L1 خروجی بیمفرمر در تابع هزینه‌ی مربوطه. این بیمفرمر اسپارس (SP-LCMV) نامگذاری شده است و عملکرد آن با عملکرد بیمفرمر LCMV معمول در بازسازی منابع عمقی و سطحی با استفاده از سیگنال‌های شبیه سازی شده EEG مقایسه گردید. همچنین، دو بیمفر در مکان‌یابی و بازسازی منابع مربوط به تحریک الکتریکی عصب مدین با هم مقایسه شد.

نتایج نشان می‌دهد که بیمفرمر اسپارس پیشنهاد شده می‌تواند بازسازی منابع اسپارس، بخصوص منابعی که فعالیت اسپایک گونه دارند بهبود بخشد.

این پژوهش با استفاده از خدمات آزمایشگاه ملی نقشه برداری مغز انجام شده است و در سال 2019 در انتشارات Wiley به چاپ رسیده است.

برای مشاهده منبع کلیک کنید.

اسامی پژوهشگران:

ناصر صمد زاده اقدم

 بهادر مکی آبادی

 صادق مسجودی

 محمد محمدی

 فهیمه محققیان