EN|中文

首页 > 科研项目 > 脑疾病脑疾病

溯源定位

       脑磁图(Magnetoencephalography, MEG) 和脑电图(Electroencephalography, EEG)具有高的时间分辨率,能记录大脑每一时刻的活动变化,并成为研究脑源定位算法的两个最主要的设备。尽管已有一些源定位算法被提出,但这些方法在真实噪声背景下往往无效。目前源定位方法仍存在一些问题, 这些问题的解决对于有很高临床研究价值的颞叶癫痫, 很少有研究能给出一种有效的方法来判断致痫灶位置。因此,与首都医科大学宣武医院进行合作,回溯型采集84例脑磁数据,10例脑磁同步数据,同时结合临床专家的经验与专业知识,共同探究更好的解决方案。

 

        基于 MEG 和头皮EEG 无创检测设备, 以提高定位空间精度和探寻癫痫致痫灶为目标, 设计了不同的脑源定位方法, 并在模拟数据和临床癫痫数据中验证新方法的有效性。 研究内容包括:

       (1)设计基于迭代 CPCANDECOMP/PARAFAC) 分解技术的脑源定位算法, 在模拟实验中, 该方法的空间精度优于传统的波束成形方法,且受噪声影响最小,特别在深源定位中效果更明显。 在颞叶内侧癫痫患者的 MEG 数据中, 该方法的定位结果与术前评估、手术切除、病理分析和术后随访一致;

       (2)设计基于偏最小二乘法分析的脑源定位算法, 在模拟实验中, 该方法的空间精度超过了第一种方法, 且随着噪声的增加,该方法的空间精度波动最小。 在颞叶癫痫患者的 MEG 数据中,该方法的定位结果与第一种方法类似,可以寻找致痫灶;

       (3)设计基于低秩矩阵恢复的脑源定位算法, 在模拟实验和颞叶内侧癫痫数据中, 与前两种方法类似,该方法能定位深度源和致痫灶位置。 同时, 该方法还对时间序列的宽度不敏感, 只要时间序列包含棘波, 定位出的致痫灶位置差异不大, 这表明该方法能有效地提高临床操作性。

      (4)采用基于贝叶斯模型的源定位算法,引入新的新的先验矩阵,增加模型的先验信息,对贝叶斯模型的先验矩阵进行修改,增加对解的约束,得到优化的混合先验,提高了源定位算法的结果。目前已有3SCI Q2区的论文和2EI论文发表,还有1篇文章在投。