CN111973180A - 一种基于meg和eeg融合的脑结构成像系统和方法 - Google Patents
一种基于meg和eeg融合的脑结构成像系统和方法 Download PDFInfo
- Publication number
- CN111973180A CN111973180A CN202010915406.8A CN202010915406A CN111973180A CN 111973180 A CN111973180 A CN 111973180A CN 202010915406 A CN202010915406 A CN 202010915406A CN 111973180 A CN111973180 A CN 111973180A
- Authority
- CN
- China
- Prior art keywords
- brain
- electroencephalogram
- meg
- source
- magnetic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
- A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种基于MEG和EEG融合的脑结构成像系统及方法。该系统主要包括:磁屏蔽房、脑磁测量模块、脑电测量模块、数据同步及采集模块以及结构成像模块。基于MEG和EEG融合的脑结构成像方法同时采集人的MEG(脑磁信号)以及EEG(脑电信号),由于脑磁信号不受大脑各组织结构电导率的影响,而脑电信号受大脑各组织结构电导率的影响,因此根据两者的差异,可以得到与电导率有关的脑结构像。具体步骤为根据采集到的脑磁信号,得到大脑中活动源的情况,根据得到的大脑源计算各脑电电极应接收到的电势,同实际采集的各电极值比较。通过不断修改脑内各部分结构大小,多次计算直至两者差异达到设定值。此时脑内各部分结构的大小即为测量所得到的大脑结构。
Description
技术领域
本发明涉及结构成像领域中的脑结构成像系统和方法,具体涉及一种基于MEG和EEG融合的脑结构成像系统和方法。
背景技术
人类脑功能及结构的研究是目前科学研究的热门领域。人脑中含有大量神经细胞,神经活动会产生电磁场,现有的脑电(EEG)及脑磁(MEG)测量设备可以探测脑表的电磁场信息。MEG以及EEG具有无创、响应快速的特点,但是目前这两项技术分别用于功能成像,不能反映结构信息。现有的传统结构成像是CT及核磁共振技术(MRI)。CT辐射较大,对人体有一定的危害。核磁共振技术需要外加磁场,体内有金属结构等人群无法进行该项检查,如体内含有心脏起搏器,骨科手术植入钢钉等;除此外核磁共振在采集数据时,被试需躺入密封环境,同时采集过程中噪声较大,容易导致被试产生不适感。
由于脑磁信号不受大脑各组织结构电导率的影响,而脑电信号受大脑各组织结构电导率的影响,因此根据两者的差异,可以得到与电导率有关的脑结构像。事实上,将脑表的磁场与电场信息相结合,可以反映一定的大脑结构信息,本发明提出一种基于MEG和EEG融合的被动的,适应各类人群的脑结构成像系统和方法。
发明内容
本发明技术解决的问题:克服核磁共振技术对于体内任何部位有金属的被试无法进行检查以及CT技术对人体辐射较大存在危害的缺点,提供一种基于MEG和EEG融合的脑结构成像系统及方法,对于非头部含有金属结构被试均可进行结构成像,身体中其他部位含有金属结构对该方法影响较小,可满足体内含有金属结构被试(非头部含有金属)进行脑结构成像的需求,且对人体无辐射。
本发明技术解决方案:一种基于MEG和EEG融合的脑结构成像系统,包括:磁屏蔽房、脑磁测量模块、脑电测量模块、数据同步及采集模块以及结构成像模块;磁屏蔽房用于屏蔽地球环境磁场;脑电测量模块和脑磁测量模块均放置在磁屏蔽房内,分别用于测量脑电和脑磁信号;脑电测量模块和脑磁测量模块测量到的信号经数据同步及采集模块输出到结构成像模块进行成像,所述结构成像模块使用基于MEG和EEG融合的脑结构成像方法实现。
所述结构成像模块,使用基于MEG和EEG融合的脑结构成像过程如下:
被试佩戴泳帽遮挡头发,光学扫描获得头轮廓信息;
光学扫描记录脑电电极以及磁场测量传感器在头部的位置;
保持头部不动,同步记录一段时间的脑电及脑磁信号;
脑磁信号求解得到大脑源活动位置;
根据预设的大脑模板结构计算各电极位置理论值;
将上步的理论值同实际测得的电极值比较,改变预设的模板结构形状,多次迭代直至两者差值小于设定值。
所述光学扫描记录脑电电极以及磁场测量传感器在头部的位置步骤为:同时佩戴脑电及脑磁测量设备,通过光学扫描设备获得含有脑电电极及磁场测量传感器的三维图像,对其手动提取位置点信息,获得脑电电极以及磁场测量传感器相对头部的实际位置信息。
所述的大脑模板分为三部分:头皮,颅骨,大脑。头皮轮廓为通过光学扫描获得的实际轮廓,颅骨及大脑结构采用模板结构。
本发明一种基于MEG和EEG融合的脑结构成像方法,包括以下步骤:
第一步,根据采集到的脑磁信号,利用模板脑模型,采用单壳建模方法,建立源到传感器的传导关系:F(r,s,g),r为传感器位置,s为源位置,g为模板脑的几何结构信息;
传感器上得到的测量信号为M,采用波束形成器的方法求解源信号位置,如下所示:
C(y)表示对y求方差,y为空间滤波器的输出,tr表示求迹,w为空间滤波器,根据拉格朗日算子可求得滤波器为w(s)=[FT(s)C-1(M)F(s)]-1FT(s)C-1(M);因此可计算出源空间各位置的源能量:P(s)=tr{[FT(s)C-1(M)F(s)]-1};根据求得的能量值大小,获得活动源中心的位置s;
第二步,利用上述求解的源活动位置,根据预设的大脑三层模板构建脑电传导的正向模型:Φ(e,s,c),其中,e为脑电电极位置,s为大脑内活动源位置,c为预设的大脑三层模型的几何结构信息;
第三步,通过对几何结构进行修改,调整源所对应的电势传导模型Φ,直到脑电测量值E和电势理论值Φ的差值小于等于设定的阈值Q,如下式所示:
此时所对应的几何结构即为本方法获得的大脑几何结构成像结果。
本发明与现有技术相比的优点在于:
(1)相比于核磁共振技术,可满足体内含有金属结构被试(非头部含有金属结构)对脑结构成像的需求;数据采集过程安静无噪声,不易引起被试不适;数据采集过程在房间中进行,无需在狭小封闭环境中进行,不易引起被试不适,可满足幽闭恐惧症。
(2)相比于CT技术,对人体无辐射,无任何危害。
本发明首次提出一种基于MEG和EEG融合的脑结构成像系统和方法,是全新的脑结构成像方法,借助计算机技术实现模型更新及最终成像,方法简便且能够克服现有技术的不足,成为脑结构成像的辅助技术。
附图说明
图1为MEG和EEG融合脑结构成像方法流程图;
图2为MEG和EEG融合脑结构成像系统示意图,图中:磁屏蔽房1、脑磁测量模块2、脑电测量模块3、数据同步及采集模块4、结构成像模块5。
图3为大脑内细胞产生磁场,电场示意图;
图4为大脑内MEG、EEG信号传导示意图;
图5为大脑模板结构示意图,图中:大脑6,颅骨7,头皮8;
图6为MEG求解源活动单壳模型示意图;
具体实施方式
下面结合附图及实施例对本发明进行详细说明。
本发明描述的一种基于MEG和EEG融合的脑结构成像系统和方法。
如图1、2所示,该系统主要包括:磁屏蔽房1、脑电测量模块3、脑磁测量模块2、数据同步及采集模块4以及结构成像模块5。如图3所示,大脑内细胞的活动会产生细胞膜内外电势的变化从而产生电磁场,脑内电磁场的传导如图4所示。
如图1所示,基于MEG和EEG的融合结构成像系统主要包括以下步骤:
第一步,被试佩戴泳帽遮挡头发,光学扫描获得头轮廓信息,作为后续计算过程中大脑结构模型中的头皮8。
第二步,同时佩戴脑电及脑磁测量设备,通过光学扫描设备获得含有脑电电极及磁场测量传感器的三维图像,对其手动提取位置点信息,获得脑电电极以及磁场测量传感器相对头部的实际位置信息。
第三步,保持头部不动,同步记录一段时间的脑电及脑磁信号。
第四步,根据采集到的脑磁信号,利用模板脑模型如图5所示,采用单壳建模方法如图6所示,建立源到传感器的传导关系:F(r,s,g)。其中,r为传感器位置,s为源位置,g为模板脑的几何结构信息;传感器上得到的测量信号为M,采用波束形成器的方法求解源信号位置,如下所示:
C(y)表示对y求方差y为空间滤波器的输出,tr表示求迹,w为空间滤波器,根据拉格朗日算子可求得滤波器为w(s)=[FT(s)C-1(M)F(s)]-1FT(s)C-1(M);因此可计算出源空间各位置的源能量:P(s)=tr{[FT(s)C-1(M)F(s)]-1};根据求得的能量值大小,获得活动源中心的位置s。
第五步,利用上述求解的源活动位置,由大脑内的源去求解脑外固定位置处的电势。由于脑电信号在大脑内的传导受电导率以及大脑结构影响较大,因此对脑电信号的计算采用如图5所示的三层结构,头皮8为前一步骤中实际获取的轮廓,颅骨7及大脑6形状采用标准人脑结构作为模板,为后续模型调整及计算提供基础。计算方法采用的是借助格林定理将描述导体内电势分布转化为电磁介质交界面上的积分方程,对三层结构的三个交界面进行三角面元划分,采用Gauss-Seidel迭代算法分层计算最终得到各个电极上理论的电势值。根据预设的大脑三层模板构建脑电传导的正向模型:Φ(e,s,c)。其中,e为脑电电极位置,s为大脑内活动源位置,c为预设的大脑三层模型的几何结构信息。
第六步,通过对几何结构进行修改,调整源所对应的电势传导模型Φ,直到脑电测量值E和电势理论值Φ的差值小于等于某一设定阈值Q,如下式所示:
此时所对应的几何结构即为本方法获得的大脑几何结构成像结果。
本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (5)
1.一种基于MEG和EEG融合的脑结构成像系统,其特征在于,包括:磁屏蔽房、脑磁测量模块、脑电测量模块、数据同步及采集模块以及结构成像模块;磁屏蔽房用于屏蔽地球环境磁场;脑电测量模块和脑磁测量模块均放置在磁屏蔽房内,分别用于测量脑电和脑磁信号;脑电测量模块和脑磁测量模块测量到的信号经数据同步及采集模块输出到结构成像模块进行成像,所述结构成像模块使用基于MEG和EEG融合的脑结构成像方法实现。
2.根据权利要求1所述的基于MEG和EEG融合的脑结构成像系统,其特征在于,所述结构成像模块,使用基于MEG和EEG融合的脑结构成像过程如下:
被试佩戴泳帽遮挡头发,光学扫描获得头部轮廓信息;
光学扫描记录脑电电极以及磁场测量传感器在头部的位置;
保持头部不动,同步记录一段时间的脑电及脑磁信号;
脑磁信号求解得到大脑源活动位置;
根据预设的大脑模板结构计算各电极位置理论值;
将上步的理论值同实际测得的电极值比较,改变预设的模板结构形状,多次迭代直至两者差值小于设定值。
3.根据权利要求2所述的基于MEG和EEG融合的脑结构成像系统,其特征在于,所述光学扫描记录脑电电极以及磁场测量传感器在头部的位置步骤为:同时佩戴脑电及脑磁测量设备,通过光学扫描设备获得含有脑电电极及磁场测量传感器的三维图像,对其手动提取位置点信息,获得脑电电极以及磁场测量传感器相对头部的实际位置信息。
4.根据权利要求2所述的基于MEG和EEG融合的脑结构成像系统,其特征在于,所述的大脑模板分为三部分:头皮,颅骨,大脑;头皮轮廓为通过光学扫描获得的实际轮廓,颅骨及大脑结构采用模板结构。
5.一种基于MEG和EEG融合的脑结构成像方法,其特征在于,包括以下步骤:
第一步,根据采集到的脑磁信号,利用模板脑模型,采用单壳建模方法,建立源到传感器的传导关系:F(r,s,g),r为传感器位置,s为源位置,g为模板脑的几何结构信息;
传感器上得到的测量信号为M,采用波束形成器的方法求解源信号位置,如下所示:
C(y)表示对y求方差,y为空间滤波器的输出,tr表示求迹,w为空间滤波器,根据拉格朗日算子可求得滤波器为w(s)=[FT(s)C-1(M)F(s)]-1FT(s)C-1(M);计算出源空间各位置的源能量:P(s)=tr{[FT(s)C-1(M)F(s)]-1}。根据求得的能量值大小,获得活动源中心的位置s;
第二步,利用上述求解的活动源中心位置,根据预设的大脑三层模板构建脑电传导的正向模型:Φ(e,s,c),其中,e为脑电电极位置,s为大脑内活动源位置,c为预设的大脑三层模型的几何结构信息;
第三步,通过对几何结构进行修改,调整源所对应的电势传导模型Φ,直到脑电测量值E和电势理论值Φ的差值小于等于设定的阈值Q,如下式所示:
此时所对应的几何结构即为获得的大脑几何结构成像结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010915406.8A CN111973180B (zh) | 2020-09-03 | 2020-09-03 | 一种基于meg和eeg融合的脑结构成像系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010915406.8A CN111973180B (zh) | 2020-09-03 | 2020-09-03 | 一种基于meg和eeg融合的脑结构成像系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111973180A true CN111973180A (zh) | 2020-11-24 |
CN111973180B CN111973180B (zh) | 2021-09-17 |
Family
ID=73448024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010915406.8A Active CN111973180B (zh) | 2020-09-03 | 2020-09-03 | 一种基于meg和eeg融合的脑结构成像系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111973180B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113918008A (zh) * | 2021-08-30 | 2022-01-11 | 北京大学 | 一种基于源空间脑磁信号解码的脑机接口系统及应用方法 |
CN116449964A (zh) * | 2023-06-15 | 2023-07-18 | 中国科学院自动化研究所 | 一种脑电和脑磁融合的脑机接口指令下达方法及装置 |
Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6370414B1 (en) * | 1998-01-23 | 2002-04-09 | Ctf Systems, Inc. | System and method for measuring, estimating and displaying RMS current density maps |
US20040082862A1 (en) * | 2002-07-10 | 2004-04-29 | Britton Chance | Examination and imaging of brain cognitive functions |
US20050059874A1 (en) * | 2003-01-27 | 2005-03-17 | Manfred Fuchs | Online source reconstruction for EEG/MEG and ECG/MCG |
WO2005117693A1 (en) * | 2004-05-27 | 2005-12-15 | Children's Medical Center Corporation | Patient-specific seizure onset detection system |
CN101028186A (zh) * | 2007-03-28 | 2007-09-05 | 李楚雅 | 基于模板匹配的心电图st段自动识别方法 |
WO2007108856A2 (en) * | 2006-03-21 | 2007-09-27 | Mciver Christopher R | Neurophysiology testing system |
CN101401725A (zh) * | 2007-09-27 | 2009-04-08 | 西门子公司 | 使用混合成像系统的患者治疗 |
KR100911731B1 (ko) * | 2007-07-18 | 2009-08-10 | 연세대학교 산학협력단 | 뇌파기반 피질리듬활동 모니터링 시스템 |
US20090304582A1 (en) * | 2005-07-19 | 2009-12-10 | Spectrum Dynamics Llc | Imaging Protocols |
CN102488513A (zh) * | 2011-12-05 | 2012-06-13 | 中国人民解放军第四军医大学 | 基于偶极(电荷)源时空模型的脑电源定位装置 |
US20120219195A1 (en) * | 2011-02-28 | 2012-08-30 | Chenyu Wu | 3D Current Reconstruction From 2D Dense MCG Images |
US20130317337A1 (en) * | 2012-05-23 | 2013-11-28 | Chenyu Wu | Continuous Modeling for Dipole Localization from 2D MCG Images with Unknown Depth |
CN103505202A (zh) * | 2012-06-27 | 2014-01-15 | 天津宇迪智能技术有限公司 | 心、脑电信号同步采集的心脑耦合系统 |
CN104510468A (zh) * | 2014-12-30 | 2015-04-15 | 中国科学院深圳先进技术研究院 | 一种脑电信号的特征提取方法及装置 |
CN105816192A (zh) * | 2016-03-03 | 2016-08-03 | 王雪原 | 个体化人脑多模态医学影像的三维配准及提取脑组织方法 |
CN105854193A (zh) * | 2009-11-04 | 2016-08-17 | 代理并代表亚利桑那州立大学的亚利桑那董事会 | 调节大脑活动的设备和方法 |
CN105957047A (zh) * | 2016-05-06 | 2016-09-21 | 中国科学院自动化研究所 | 有监督的多模态脑影像融合方法 |
CN106127769A (zh) * | 2016-06-22 | 2016-11-16 | 南京航空航天大学 | 一种基于脑连接网络的脑龄预测方法 |
CN106539582A (zh) * | 2015-09-17 | 2017-03-29 | 中央大学 | 脑功能成像辨识的方法及系统 |
CN106859599A (zh) * | 2017-01-23 | 2017-06-20 | 上海理工大学 | 基于全光原子磁力检测的脑磁图系统及获取方法 |
CN109124623A (zh) * | 2018-06-01 | 2019-01-04 | 东南大学 | 基于三维非线性偏直接相干函数的脑电信号间效应连通性检测方法 |
CN109620201A (zh) * | 2018-12-07 | 2019-04-16 | 南京国科医工科技发展有限公司 | 柔性多导联帽式脑磁仪及其高精度成像方法 |
CN109965895A (zh) * | 2019-03-28 | 2019-07-05 | 济南国科医工科技发展有限公司 | 一种基于脑影像融合特征的癫痫灶定位方法 |
CN110179450A (zh) * | 2018-12-13 | 2019-08-30 | 北京昆迈生物医学研究院有限公司 | 一种基于网络架构的量子脑磁图数据采集与传输方法 |
CN110728704A (zh) * | 2019-11-13 | 2020-01-24 | 北京航空航天大学 | 一种基于mri和opm的脑磁多模态影像配准系统及方法 |
CN111539509A (zh) * | 2020-04-16 | 2020-08-14 | 山东第一医科大学(山东省医学科学院) | 一种虚拟数字脑构建方法与系统及智能机器人控制系统 |
CN111543949A (zh) * | 2020-05-13 | 2020-08-18 | 北京航空航天大学 | 一种基于脑磁图与脑电图的儿童asd诊断装置 |
-
2020
- 2020-09-03 CN CN202010915406.8A patent/CN111973180B/zh active Active
Patent Citations (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6370414B1 (en) * | 1998-01-23 | 2002-04-09 | Ctf Systems, Inc. | System and method for measuring, estimating and displaying RMS current density maps |
US20040082862A1 (en) * | 2002-07-10 | 2004-04-29 | Britton Chance | Examination and imaging of brain cognitive functions |
US20050059874A1 (en) * | 2003-01-27 | 2005-03-17 | Manfred Fuchs | Online source reconstruction for EEG/MEG and ECG/MCG |
CN1744927A (zh) * | 2003-01-27 | 2006-03-08 | 电脑医师美国公司 | 用于eeg/meg和ecg/mcg的联机的源再现 |
WO2005117693A1 (en) * | 2004-05-27 | 2005-12-15 | Children's Medical Center Corporation | Patient-specific seizure onset detection system |
US20090304582A1 (en) * | 2005-07-19 | 2009-12-10 | Spectrum Dynamics Llc | Imaging Protocols |
WO2007108856A2 (en) * | 2006-03-21 | 2007-09-27 | Mciver Christopher R | Neurophysiology testing system |
CN101028186A (zh) * | 2007-03-28 | 2007-09-05 | 李楚雅 | 基于模板匹配的心电图st段自动识别方法 |
KR100911731B1 (ko) * | 2007-07-18 | 2009-08-10 | 연세대학교 산학협력단 | 뇌파기반 피질리듬활동 모니터링 시스템 |
CN101401725A (zh) * | 2007-09-27 | 2009-04-08 | 西门子公司 | 使用混合成像系统的患者治疗 |
CN105854193A (zh) * | 2009-11-04 | 2016-08-17 | 代理并代表亚利桑那州立大学的亚利桑那董事会 | 调节大脑活动的设备和方法 |
US20120219195A1 (en) * | 2011-02-28 | 2012-08-30 | Chenyu Wu | 3D Current Reconstruction From 2D Dense MCG Images |
CN102488513A (zh) * | 2011-12-05 | 2012-06-13 | 中国人民解放军第四军医大学 | 基于偶极(电荷)源时空模型的脑电源定位装置 |
US20130317337A1 (en) * | 2012-05-23 | 2013-11-28 | Chenyu Wu | Continuous Modeling for Dipole Localization from 2D MCG Images with Unknown Depth |
CN103505202A (zh) * | 2012-06-27 | 2014-01-15 | 天津宇迪智能技术有限公司 | 心、脑电信号同步采集的心脑耦合系统 |
CN104510468A (zh) * | 2014-12-30 | 2015-04-15 | 中国科学院深圳先进技术研究院 | 一种脑电信号的特征提取方法及装置 |
CN106539582A (zh) * | 2015-09-17 | 2017-03-29 | 中央大学 | 脑功能成像辨识的方法及系统 |
CN105816192A (zh) * | 2016-03-03 | 2016-08-03 | 王雪原 | 个体化人脑多模态医学影像的三维配准及提取脑组织方法 |
CN105957047A (zh) * | 2016-05-06 | 2016-09-21 | 中国科学院自动化研究所 | 有监督的多模态脑影像融合方法 |
CN106127769A (zh) * | 2016-06-22 | 2016-11-16 | 南京航空航天大学 | 一种基于脑连接网络的脑龄预测方法 |
CN106859599A (zh) * | 2017-01-23 | 2017-06-20 | 上海理工大学 | 基于全光原子磁力检测的脑磁图系统及获取方法 |
CN109124623A (zh) * | 2018-06-01 | 2019-01-04 | 东南大学 | 基于三维非线性偏直接相干函数的脑电信号间效应连通性检测方法 |
CN109620201A (zh) * | 2018-12-07 | 2019-04-16 | 南京国科医工科技发展有限公司 | 柔性多导联帽式脑磁仪及其高精度成像方法 |
CN110179450A (zh) * | 2018-12-13 | 2019-08-30 | 北京昆迈生物医学研究院有限公司 | 一种基于网络架构的量子脑磁图数据采集与传输方法 |
CN109965895A (zh) * | 2019-03-28 | 2019-07-05 | 济南国科医工科技发展有限公司 | 一种基于脑影像融合特征的癫痫灶定位方法 |
CN110728704A (zh) * | 2019-11-13 | 2020-01-24 | 北京航空航天大学 | 一种基于mri和opm的脑磁多模态影像配准系统及方法 |
CN111539509A (zh) * | 2020-04-16 | 2020-08-14 | 山东第一医科大学(山东省医学科学院) | 一种虚拟数字脑构建方法与系统及智能机器人控制系统 |
CN111543949A (zh) * | 2020-05-13 | 2020-08-18 | 北京航空航天大学 | 一种基于脑磁图与脑电图的儿童asd诊断装置 |
Non-Patent Citations (1)
Title |
---|
何继军等: "EEG/fMRI融合分析综述:脑模型、算法和应用", 《计算机工程与科学》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113918008A (zh) * | 2021-08-30 | 2022-01-11 | 北京大学 | 一种基于源空间脑磁信号解码的脑机接口系统及应用方法 |
CN116449964A (zh) * | 2023-06-15 | 2023-07-18 | 中国科学院自动化研究所 | 一种脑电和脑磁融合的脑机接口指令下达方法及装置 |
CN116449964B (zh) * | 2023-06-15 | 2023-08-15 | 中国科学院自动化研究所 | 一种脑电和脑磁融合的脑机接口指令下达方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111973180B (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gillette et al. | A framework for the generation of digital twins of cardiac electrophysiology from clinical 12-leads ECGs | |
EP0555394B1 (en) | Method and apparatus for imaging electrical activity in a biological system | |
US8553956B2 (en) | 3D current reconstruction from 2D dense MCG images | |
EP1049402B1 (en) | Method for measuring, estimating and displaying rms current density maps | |
US6856830B2 (en) | Method and apparatus of three dimension electrocardiographic imaging | |
Cuffin | EEG dipole source localization | |
CN111973180B (zh) | 一种基于meg和eeg融合的脑结构成像系统和方法 | |
WO2004054434A2 (en) | Systems and methods for determining a surface geometry | |
He et al. | Electrophysiological mapping and neuroimaging | |
Wong et al. | Beamformer suppression of cochlear implant artifacts in an electroencephalography dataset | |
Sorkhabi et al. | Physiological artifacts and the implications for brain-machine-interface design | |
Michel | High-resolution EEG | |
Yarici et al. | Ear-EEG sensitivity modeling for neural sources and ocular artifacts | |
Ioannides | Estimates of Brain Activity. Using Magnetic Field Tomography and | |
CN114065825A (zh) | 一种基于结构相似性的脑磁meg源定位方法 | |
Wagner et al. | Integration of functional MRI, structural MRI, EEG and MEG | |
Jatoi et al. | EEG‐based brain source localization using visual stimuli | |
Mideksa et al. | Source analysis of median nerve stimulated somatosensory evoked potentials and fields using simultaneously measured EEG and MEG signals | |
Yarici et al. | Ear-EEG sensitivity modelling for neural and artifact sources | |
Yamazaki et al. | The accuracy of localizing equivalent dipoles and the spatio-temporal correlations of background EEG | |
Hu et al. | Constructing bodily emotion maps based on high-density body surface potentials for psychophysiological computing | |
Figueiredo et al. | Advances in non-invasive brain-computer interfaces for control and biometry | |
CN117100277B (zh) | 基于脑磁图、近红外脑成像的多模态同步脑成像方法 | |
Bleichner et al. | OPEN ACCESS EDITED BY | |
Zhai et al. | A radial-basis function based surface Laplacian estimate for a realistic head model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |