شکل ‌دهنده پرتو تمام‌وفقی سریع بهبود‌یافته برای مکان‌یابی فعالیت‌های کوتاه‌مدت مغزی

در مکان‌یابی فعالیت مغز از روی سیگنال eeg یا meg، روش های مبتنی بر شکل دهنده پرتوی وفقی کمینه واریانس، به‌دلیل رزولوشن بالا، کاربرد گسترده ای دارند. متاسفانه، این روش ها به‌دلیل استفاده از وارون ماتریس کوواریانس داده، اغلب زمانی که تعداد لحظات نمونه برداری در مقایسه با تعداد گیرنده ها کم است، با شکست مواجه می شوند. این اتفاق، به‌خصوص برای داده های حاصل از پتانسیل های برانگیخته رخ می‌دهد. برای حل مشکل، روشی به نام تمام‌وفقی سریع (ffa) پیشنهاد شد، که یک روش چند‌مرحله ای وفقی با الهام از ساختار پروانه ای تبدیل فوریه (fft) بوده و تعداد نمونه های لازم برای مکان یابی را به مقدار قابل‌توجهی کاهش می دهد. از سوی دیگر، حساسیت زیاد این روش به توالی تقسیم داده و عملکرد ضعیف آن در snrهای پایین، استفاده از آن را برای مکان یابی فعالیت های کوتاه مدت مغزی با تردید همراه کرده است. در این مقاله، یک مرحله پیش پردازشی برای بهبود عملکرد ffa ارائه می شود که در آن،  مغز به نواحی مجزا تقسیم و پایه های هر ناحیه تعیین شده و با استفاده از این پایه‌ها، داده هر ناحیه به‌دست می آید. در ادامه، الگوریتم ffa روی داده به‌دست آمده، اعمال می شود. برای اثبات عملکرد روش ارائه‌شده، از داده های شبیه سازی erp و داده واقعی erf استفاده شد. در تمام شبیه سازی‌ها، ffa بهبود‌یافته، عملکرد بهتری از لحاظ شعاع پراکندگی (بهبود در حدود 4-9 میلی‌متر) و خطای مکان یابی (بهبود در حدود 2-10 میلی‌متر) در مقایسه با روش ffa از خود نشان داد. همچنین روش پیشنهادی، رزولوشن بهتری در مکان یابی داده واقعی erf نشان داد. این نکته نیز مهم است که روش پیشنهادی، حساسیت کمتری نسبت به توالی تقسیم داده دارد. نتایج هر دو داده شبیه سازی و واقعی نشان می دهد، که می توان از ffa بهبود‌یافته به‌عنوان روشی مطمئن برای مکان یابی فعالیت های کوتاه‌مدت مغزی استفاده کرد.