Ученые улучшили картирование активности мозга по данным электроэнцефалографии

Исследователи из Сколковского института науки и технологий предложили быстрый и точный численный метод, который поможет повысить эффективность электроэнцефалографии (ЭЭГ) как в нейрокогнитивных исследованиях, так и в клинической практике. Статья ученых опубликована в журнале IEEE Transactions on Biomedical Engineering.

Для неинвазивных исследований человеческого мозга сейчас широко используются методы магнитно-резонансной томографии (МРТ) и магнитоэнцефалографии (МЭГ). Не смотря на пространственное разрешение и высокую точность, МРТ слишком медленный метод для того, чтобы успевать за активностью мозга, а МЭГ требует дорогого оборудования и специальной магнитозащищенной комнаты для измерений. ЭЭГ намного дешевле, проще в применении, обеспечивает высокое временное разрешение. Поэтому она широко используется в медицине и нейрокогнитивных науках.

Однако даже небольшая активность коры головного мозга генерирует электрический потенциал на большой части поверхности головы, поэтому точная локализация небольших активных областей — сложная математическая задача. Обычно модель мозга испытуемых строится на основании данных МРТ, потом программа расставляет множество электрических диполей в тех местах модели, где ожидается активность, после чего компьютер подбирает мощности диполей так, чтобы суммарный электрический сигнал на поверхности головы соответствовал сигналу, который был измерен в ходе эксперимента. Для этого машина должна предварительно решить множество так называемых прямых задач: просчитать электрический сигнал, генерируемый каждым диполем.

«Такой подход универсален. Предварительное решение прямых задач сводит обратную задачу ЭЭГ к небольшой системе линейных уравнений, причем совершенно однотипных вне зависимости от положения диполей и численного метода, которым решается прямая задача. Но если исследование требует учитывать анатомические особенности каждого испытуемого, то прямую задачу приходится решать методом конечных элементов, а это очень ресурсоемкая процедура», — рассказывает соавтор исследования Николай Кошев.

На это уходит много времени, поэтому исследователи из Центра Сколтеха по научным и инженерным вычислительным технологиям для задач с большими массивами данных подошли к этой проблеме с другой стороны. Их решение обратной задачи ЭЭГ основано на «проецировании» измеренного сигнала с поверхности внутрь головы, вплоть до поверхности мозга. Это требует переосмысления всей задачи как задачи Коши — этот тип математической задачи применительно к ЭЭГ, как известно, неустойчив: даже незначительные шумы во входных данных, например из-за неизбежных ошибок измерения, могут значительно исказить результат. Тем не менее недавно были предложены эффективные подходы для решения подобных задач, и ученые использовали их в своей работе.

«По сути, вместо того чтобы рассматривать каждый электрический диполь отдельно и предварительно решать прямые задачи для каждого диполя, алгоритм сразу решает одну обратную задачу, правда, довольно необычную. Это ускоряет обработку данных ЭЭГ, повышает точность локализации источников, и, кроме того, алгоритм явно учитывает данные о форме коры головного мозга, — комментирует другой автор работы, Михаил Маловичко. — Мы полагаем, что наш подход может стать основой нового поколения быстрых и точных алгоритмов решения обратной задачи ЭЭГ».

Понравился материал? Добавьте Indicator.Ru в «Мои источники» Яндекс.Новостей и читайте нас чаще.

Пресс-релизы о научных исследованиях, информацию о последних вышедших научных статьях и анонсы конференций, а также данные о выигранных грантах и премиях присылайте на адрес science@indicator.ru.