ترکیب مدالیته های eeg و meg در مکان‌یابی منابع مغزی از طریق شیوه جدید وزن‌دهی wmne

هدف اصلی در اغلب مطالعات عملکردی عصبی، استخراج الگوی زمانی-مکانی دوقطبی هاست. مکان‌یابی منابع صرعی و تخمین محل دقیق دوقطبی‌های فعال، گامی اساسی قبل از عمل جراحی است. در این مقاله به منظور افزایش صحت مکان‌یابی منابع مغزی در بیماران مبتلا به صرع، از ترکیب مدالیته‌های eeg و meg استفاده شده است. در روش پیشنهادی ابتدا مکان‌یابی اولیه با روش خطای کمینه نرم وزن‌دار(wmne) در هر یک از مدالیته‌ها انجام شده و پس از شناسایی کانون اصلی صرع توسط الگوریتم k-means، ماتریس وزن جدیدی ایجاد گردیده و در مکان‌یابی مدالیته ها استفاده می‌گردد. عملکرد روش پیشنهادی بر روی داده‌های شبه واقعی ساختگی صرعی eeg و meg مورد بررسی قرارگرفته و گزارش شده است. نتایج شبیه‌سازی‌های انجام شده از افزایش صحت مکان‌یابی در مدالیته‌ها در سطح نویزهای مختلف حکایت دارد.

Brain Source Localization Using EEG and MEG Integration Based on New WMNE Scheme

Extracting the Spatio-Temporal dynamics of neural activities is of main interest in any brain study. Determining the exact location responsible for the malfunction is a major step prior to the surgery. In this piece of work, a novel method of EEG MEG integration is proposed which results in a more accurate epileptic brain source localization. In the proposed method, following a traditional WMNE based source localization in both modalities, the focus of epilepsy is determined through the K-Means algorithm. Afterward, a new weight matrix is defined and is used for source localization in both modalities. The performance of the proposed method evaluated on synthetic realistic epileptic data shows major enhancement in the localization process.