CN116940282A - 定位生理信号 - Google Patents
定位生理信号 Download PDFInfo
- Publication number
- CN116940282A CN116940282A CN202180094515.0A CN202180094515A CN116940282A CN 116940282 A CN116940282 A CN 116940282A CN 202180094515 A CN202180094515 A CN 202180094515A CN 116940282 A CN116940282 A CN 116940282A
- Authority
- CN
- China
- Prior art keywords
- data
- current
- cortical
- electrical signal
- calculating
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 87
- 230000001054 cortical effect Effects 0.000 claims abstract description 48
- 239000013598 vector Substances 0.000 claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 23
- 230000000694 effects Effects 0.000 claims abstract description 19
- 238000010187 selection method Methods 0.000 claims abstract description 10
- 238000012986 modification Methods 0.000 claims abstract description 3
- 230000004048 modification Effects 0.000 claims abstract description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000003384 imaging method Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000011179 visual inspection Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 description 22
- 238000002582 magnetoencephalography Methods 0.000 description 21
- 210000002569 neuron Anatomy 0.000 description 12
- 230000007177 brain activity Effects 0.000 description 9
- 210000004556 brain Anatomy 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 8
- 210000003128 head Anatomy 0.000 description 8
- 238000012935 Averaging Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000004807 localization Effects 0.000 description 5
- 210000004884 grey matter Anatomy 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000028161 membrane depolarization Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000002999 depolarising effect Effects 0.000 description 2
- 230000001037 epileptic effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007917 intracranial administration Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 230000001766 physiological effect Effects 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 210000002763 pyramidal cell Anatomy 0.000 description 2
- 230000002336 repolarization Effects 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 235000014698 Brassica juncea var multisecta Nutrition 0.000 description 1
- 206010010904 Convulsion Diseases 0.000 description 1
- 241000282485 Vulpes vulpes Species 0.000 description 1
- 244000275904 brauner Senf Species 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000002566 electrocorticography Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 230000001787 epileptiform Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000015220 hamburgers Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000002610 neuroimaging Methods 0.000 description 1
- 230000008430 psychophysiology Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/242—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents
- A61B5/245—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents specially adapted for magnetoencephalographic [MEG] signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- 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
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/242—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents
- A61B5/243—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents specially adapted for magnetocardiographic [MCG] signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/339—Displays specially adapted therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4094—Diagnosing or monitoring seizure diseases, e.g. epilepsy
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Neurology (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Neurosurgery (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Electrotherapy Devices (AREA)
Abstract
本发明提供了一种用于采集和分析数据的方法和设备,该数据显示线性关系或者可以被转换为线性关系,诸如来自诸如适合于EEG、MEG、ECG等的传感器的电生理信号数据。该方法可以在计算机软件中实现,包括根据现有的选择方法计算皮层电流矢量场或皮层位置的活动指示值的分布,确定哪些电流不向内流动,以及定义对角线加权矩阵,其表示电流不向内流动的位置的条目与其其他条目相比更小,以及根据所选择的方法但是合并了对角线加权矩阵,重新计算皮层电流矢量,或修改活动指示值的分布,使得表示电流不向内流动的位置的值指示比修改之前更小的活动。该方法的输出可以存储在计算机文件中,以便在合适的监视器上显示。
Description
技术领域
本发明涉及一种用于采集与生理过程、特别是脑电图(EEG)和脑磁图(MEG)测量相关的电生理信号的装置,并且涉及用于分析由所述装置在所述测量中产生的电信号的方法。
背景技术
大脑活动可以用来自EEG和MEG的数据来表示,这些数据包括来自位于头部附近的电极传感器(EEG)或位于头部表面上方的线圈(MEG)的电信号测量值。在对从传感器输出获取的EEG和MEG数据进行分析时,大脑活动可以表示为离散的三维矢量场,每个矢量表示偶极电流源,下文中称为“电流源”。结果提供了工作大脑中神经元在某个时间点和一段时间内的潜在突触活动的表示。
发作间期癫痫样大脑活动的EEG和MEG记录通常包含称为尖峰的波形形态。在此类尖峰起始或峰值处使用源定位技术可能会揭示参与癫痫网络的大脑位置。尖峰起始或峰值时的波形形态是由一种称为锥体细胞的神经元同时活动而产生的,这种神经元来自皮质灰质的扩展斑块,大小至少为10cm2(EEG)或6cm2(MEG)。因为EEG和MEG信号的来源是锥体细胞神经元的活动,并且由于该特定细胞类型的主导方向,所以已知脑电流的方向垂直于局部皮质灰质表面。由于尖峰起始和峰值代表了在很大程度上源自其神经元激活周期的去极化部分的活动,因此脑电流的方向进一步被认为是向内指向的并且朝向灰质-白质边界。最先进的技术是将大脑活动仅由皮质灰质产生、皮质电流的方向垂直于皮质灰质表面以及相邻皮质位置具有相似的活动作为约束纳入源定位算法中。需要改进的是使用可测量的生理信号的特征范围来表示生理功能。
本领域已知上述矢量场与测量信号之间的关系是线性的。该关系由头部附近(EEG)或头部上方(MEG)的传感器布局、参考(接地)的选择、测量噪声和头部的导电特性唯一确定,称为“正向模型”。对于任何时间点,这种线性关系可以写为Ax+n=b,其中A(引导场矩阵)代表正向模型和参考的选择,n代表测量噪声,b代表测量数据,x代表电流源强度向量,即“电流”,每个离散点包含一到三个条目。上述向量场由用于计算A的单位向量组成,每个单位向量乘以x的相应标量条目。为了方便起见,在本文中,表示矩阵的符号以粗体大写书写,表示向量的符号以粗体小写书写,向量x的第N个条目用xN标识,矩阵A的第(M,N)个条目用AM,N标识。
对于电流源的特定分布、传感器布局、参考、正向模型,并且假设没有电噪声,可以唯一地预测测量的生理电信号数据。这被称为“正向问题”。
然而,存在的问题是,对于任何选定的一组测量的生理电信号数据、传感器布局、参考和正向模型,由于以下任何原因,无法唯一地计算电流源的分布:
·传感器的数量有限;或
·噪音未知;或
·未知值(电流)通常多于已知值(传感器);或
·现有的配置(无声源)不会产生可测量的信号。
这种有问题的情况在电生理学测量中是常见的,在本领域中被称为不适定问题、不适定逆问题。然而,这些电流的估计是EEG和MEG分析中的一个重要目标,例如,使测量的输出有意义。
在给定测量的生理信号数据的情况下,本领域已知的用于计算电流的方法利用包括数据的噪声特性的数据模型和包括电流的假定特征的源模型。数据(数据模型)的噪声特性通常使用噪声协方差矩阵Cn来表示,可以使用所述假设从测量的信号数据来估计该矩阵。数据和引导场矩阵也可以被“预白化”,产生噪声协方差矩阵为1。
本领域中关于电流(源模型)的特性广泛做出的假设是大多数电流很小或为零。例如,这种假设源自观察到的大脑状态的本质,其中可假设一种局部类型的活动占主导地位,或者源自实验的本质,其中共享感兴趣的共同特征的许多数据实例被平均,因此,假设除了观察到的特征之外的所有特征都被平均过程抑制。相应的源模型是最小范数最小二乘模型,其中假设L2范数xTCs -1x最小,CS是x的源协方差。如果没有有关源协方差的信息,则CS=1。正则化用于平衡数据模型和源模型的影响。遵循这一推理思路,可以通过最小化表达式来求解线性逆问题,从而获得唯一的xopt(其中xopt是上面定义的最优向量),
xopt=arg min[(Ax-b)TCn -1(A x-b)+λxT Cs -1x],
其中λ是正则化参数。本领域众所周知可以获得xopt的解析解。此外,本领域众所周知的是,可以在不附加信息的情况下获得λ的最佳值。本领域众所周知的是,可以从磁共振成像(MRI)数据获得个体皮质灰质片的中间层(“灰质表面”)的表示,该中层是锥体细胞神经元所在的地方。因为生成神经元的方向局部地垂直于灰质表面,所以本领域还众所周知,如果要估计皮层电流,并且前面提到的离散点对皮层灰质表面进行足够密集的采样以考虑灰质内的方向的可变性,则电流源的向量x可以仅包括每个离散点的一个条目。如果基于一致地向内或向外指向的单位电流创建引导场矩阵A,则xN的符号可以用作位置N处的电流是向内流动(去极化)还是向外流动(重新极化)的指示符。在本文中,“向内”是指“朝向白质”,而“向外”是指“朝向软脑膜表面”。
本领域已知存在这样的方法,其不计算表示电流的向量xopt,而是计算使用指示可能涉及创建感兴趣事件的皮层位置的指标的向量sopt。sLORETA方法就是其中之一。
在本文中,词语“包括”或“包含”可以以相同的含义互换使用,其不限于任何陈述的特征或特征列表。
发明内容
在分析脑磁图和脑电图测量时,皮层电流的向内方向尚未用作约束。这种方向约束是本发明的主题。使用皮层电流的向内方向作为源定位算法中的约束并不是现有技术的明显扩展,因为通常受到源定位的大多数类型的大脑活动并不在很大程度上源于去极化型神经元活动,因此不能用皮层电流的向内方向来表征,癫痫尖峰是一个值得注意的且临床相关的例外的例子。
本发明的一个目的是提供一种将包括EEG和/或MEG信号测量的数据进行转换以表示仅来自去极化神经元的大脑活动(内向电流)的方法。进一步的目的是提供一种可以在计算机软件中实现的算法来分析电生理信号数据,从而提供包括用于解释和分析的生理活动的表示的结果。进一步的目的是提供一种用于获取具有如本文所述的线性关系的生理信号测量结果并将信号测量结果转换成生理活动的表示的装置。
本发明提供了一种用于分析电生理信号数据的方法,以使得能够对测量信号进行生理解释。根据本发明,测量生理信号数据b并计算导联场矩阵A。此外,计算离散皮质源电流向量xopt或指示皮质电流流动可能性的离散指标sopt。
一方面,本发明提供了一种使用微处理器转换来自传感器的电信号数据的方法,包括以下步骤:收集电信号数据并将其存储到计算机文件中;预处理数据;标记一个或多个兴趣时间点;应用平均步骤;计算或获得皮质位置和相应的神经元方向;计算位置权重和/或皮质电流;确定哪些电流不是内向流动的;相应地修改权重;根据权重计算电流;计算皮质位置的活动指示值的分布;计算、提取或估计皮质电流的方向;确定哪些电流不是内向流动的;相应地修改值的分布;将所得数据存储在至少一个计算机文件中。优选地,该方法包括以下步骤:将数据成像技术应用于所存储的结果,以将数据转换成适合于数据视觉表示的形式,并显示转换后的数据以供视觉检查。
另一方面,本发明提供了一种用于采集、转换和显示电信号数据的装置,包括:用于采集电信号的传感器;用于存储电信号数据的器械;至少一个微处理器,其具有实现对数据进行预处理的计算机程序;标记或让用户标记一个或多个兴趣时间点;应用平均步骤;计算或获得皮质位置和相应的神经元方向;计算位置权重和/或皮质电流;确定哪些电流不是内向流动的;相应地修改权重;根据权重计算电流;计算皮质位置的活动指示值的分布;计算、提取或估计皮质电流的方向;确定哪些电流不是内向流动的;相应地修改值的分布。优选地,该装置包括用于存储变换后的数据的器械。优选地,该装置包括用于显示变换后的数据的器械。
附图说明
图1示出了本发明的方法的流程图。
图2示出了图2a中25个通道上记录的带有电脉冲的EEG信号的示例,以及图2b中计算机生成的电压拓扑图。此处示出了步骤8或权利要求1a和2a的结果。
图3示出了使用本发明的方法分析EEG数据的示例。此处示出了步骤12或权利要求1b的结果。
图4示出了使用本发明的方法分析EEG数据的另一个示例。此处示出了步骤15或权利要求le的结果。
图5示出了使用本发明的方法分析EEG数据的另一个示例。此处示出了步骤18或权利要求2c的结果。
图6示出了使用本发明的方法分析EEG数据的另一个示例。此处示出了步骤20或权利要求2e的结果。
具体实施方式
该方法最方便地应用于脑电图和脑磁图测量信号,以提供显示大脑活动表示的结果。应当理解,本发明最有利地应用于EEG和MEG数据的收集和分析,但是该方法不限于EEG和MEG数据的分析,本发明具有更一般的应用,例如应用于脑活动的皮层电图(ECoG)测量、脑活动的颅内(iEEG)测量、心脏活动的心电图(ECG)测量和心磁图(MCG)测量。本发明提供了一种用于分析数据(包括电生理学数据)的方法,其显示本文描述的线性关系,或者可以被线性化(使用例如牛顿法)来这样做。本发明在已知x或s中的值的符号仅为零或正、或者仅为零或负的所有情况下都是有用的。
根据本发明,该方法可以用于增强计算皮层电流的现有方法,或者计算提供指示可能涉及创建感兴趣事件的皮层位置的指标的值分布的现有方法,并且另外计算或允许提取或估计每个皮层源的电流的方向。下面对这两个选项进行描述。
当用于增强计算皮层电流的现有方法时,如果该方法允许并入权重矩阵或间接调制计算的皮层电流的强度的其他机制,则出于本发明的目的,该机制用于根据皮层源先前计算的电流流动方向向皮层源分配权重,以达到期望的效果,即没有向内指向的方向的计算的皮层源变得不那么活跃。如果实现该方法使得这些权重基于每个特定算法的定义的权重逆计算的若干重复来迭代地确定,则为了本发明的目的而执行的附加权重可以被并入到现有算法中,例如,在每次迭代之后,或者在现有方法的最后一次迭代之后的最后步骤中。如果该方法不被实现为迭代权重方案,则在现有方法运行之后,重复相同或类似的方法,但现在并入基于在第一次运行中获得的皮层电流而出于本发明的目的而执行的权重。
称为“源权重”的变换技术利用了等式,
CS=W-2CP,
其中CP是x的源协方差矩阵。CP对有关源分布的外部先验知识进行编码。如果没有此类信息可用,则CP=1。对角权重矩阵W由源权重方法本身确定。给定A、b和CP,根据W获得不同的x值。为了确定W,使用通过现有方法计算的x值,使得WN=f(xN),其中,权重函数f被设计为使得与值xN指示电流内向流动的情况相比,如果值xN指示电流不内向流动,则其值永远不会变为负值,而是更小。例如,
f(x)=1,如果x<0;或
f(x)=0,
假设位置N处的向内流动电流由xN的负值标识。然后使用权重矩阵W重新计算皮质源电流向量xopt。在实际计算中,通常不需要实际反转W,由此可见负值WN是没有问题的。如果W需要根据现有选择方法的实现进行显式反转,则1/0应是一个大的正数。
本发明的方法方便地将上述技术实现到计算机软件中,用于以以前不知道的有用的方式将电信号数据转换成表示。
权重矩阵的使用是本领域已知的。然而,在本领域中使用权重矩阵以便在源分布中实现期望的焦点量或者有效地最小化除了x的L2范数之外的范数。根据本发明,权重矩阵用于抑制非向内流动的电流,提供在结果中发现的令人惊讶的效用。当本发明的方法与电生理信号测量(例如EEG或MEG测量或其他合适的测量)一起使用时,先前尚未示出。
本发明包括具有用于采集电生理信号数据的电极的设备、用于存储所述数据的器械、用于转换所述数据的器械、用于在转换中进行计算的微处理器、实现所述方法的算法的计算机软件、用于存储转换后的数据的器械以及用于显示转换后的数据的器械。在一个实施例中,本发明包括EEG设备和用于测量EEG的电极、用于电子存储EEG数据的器械、用于存储计算机软件并执行实现本发明的计算机软件的器械、用于电子存储转换数据的器械以及用于显示转换数据的屏幕。屏幕可以是能够显示图像的任何合适的屏幕。这可能包括模拟或数字监视器上的屏幕。应当理解,本发明的范围包括将实现这些目的的许多实施例。
该方法的实施例包括图1所示流程图中的方框中所示的数据收集和转换步骤的组合。首先,传感器电极被布置在受试者的头部附近,例如,在EEG和MEG 1的情况下,并且计算机被设置为收集输出并将其转换成计算机数据文件2。应当理解,本发明的范围包括适合在本文描述的方法中使用的任何类型的生理信号。收集和/或存储表示电生理信号的转换数据以供进一步处理3。在处理数据时,确定是否预处理数据4。可以对数据进行预处理5,或者可以在不进行预处理的情况下标记一个或多个感兴趣的时间点6。在进一步处理数据时,确定是否已标记一个或多个感兴趣的时间点7。可以对数据进行平均8,或者可以对皮层位置和相应的神经元取向进行计算或获得,并且可以计算9噪声协方差、引导场和先验源协方差而不进行平均。现有选择的方法是计算皮层电流并允许位置权重的方法10。随后,根据现有方法计算位置权重和/或皮层电流12。确定哪些电流不是内向流动的13。相应地定义或修改权重W14。考虑权重W计算皮层电流15。确定是否需要额外的迭代16。所得数据存储在随机存取存储器中(RAM),用于通过适当的数据成像技术进一步转换,以表示数据以供视觉显示或输出到计算机文件以供以后使用21。
更具体地说,使用最小范数最小二乘法(MNLS)或焦点欠定系统局灶解法(FOCUSS)或sLORETA权重精确最小范数(SWARM)迭代或任何其他权重线性逆求解器作为现有选择方法的方法确定皮质源电流向量xopt,按以下步骤进行:
a)将电信号数据收集到计算机文件中。可选地,应用预处理,例如过滤。
b)标记感兴趣的时间点。可选地,求平均值。
c)确定皮质位置、相应的神经元方向、噪声协方差Cn、引导场A和先验源协方差CP。
d)通过执行现有的选择方法,基于测量数据b、噪声协方差Cn、引导场A和先验源协方差CP计算电流密度向量xopt和最终权重矩阵Wfinal,直到成功迭代或继续步骤e)。在MNLS的情况下,迭代次数为1并且Wfinal=1。
e)计算对角权重矩阵W,使得其条目(每个位置一个)由它们在xopt中的对应值的函数确定,使得非向内指向电流的位置获得比向内指向电流的位置更小的权重,例如:
WN,N=sgn(xopt,N)*0.5+1。
f)通过求解相关的权重线性逆问题,基于测量数据b、噪声协方差Cn、引导场A、对角权重矩阵W和Wfinal以及权重源协方差Cs=W-2Wfinal -2Cp重新计算更新的电流密度矢量xopt。
g)如果选择的方法是迭代方法并且在步骤d)中选择不迭代,则继续步骤d),除非迭代成功。
作为使用权重矩阵W(其中一些WN,N被设置为零)的替代,该方法在许多情况下还可以通过移除相应的源位置来实现,从而减少x和xopt的维数,并且重新计算引导场A和先验源协方差CP,或者简单地删除相应的行和列。
当用于增强计算提供指示可能涉及创建感兴趣事件的皮层位置的指标s的值分布的现有方法时,此外,计算或允许提取或估计,或者可以通过计算或允许提取或估计每个皮层源电流的方向的方法来补充,出于本发明的目的,该机制用于修改值的分布,使得没有电流向内指向方向的位置指示参与创建感兴趣事件的可能性较小。
根据本发明,基于现有方法的结果、s以及给定位置N处的电流方向是否是向内的信息来计算所得指标sopt,使得在sopt中,与s相比,没有向内流动的电流的位置获得指示参与创建感兴趣事件的较小可能性的值。例如,
sopt,N=sN,若N处电流为内流;或
sopt,N=0。
本发明的方法方便地将上述技术实现到计算机软件中,用于以以前不认为有用的方式将电信号数据转换成表示。
根据本发明,关于皮质电流流动方向的信息与结果指标s的修改一起提供了在结果中发现的令人惊讶的效用。当本发明的方法与电生理信号测量(例如EEG或MEG测量或其他合适的测量)一起使用时,先前尚未示出。
本发明包括具有用于采集电生理信号数据的电极的设备、用于存储所述数据的器械、用于转换所述数据的器械、用于在转换中进行计算的微处理器、实施所述方法的算法的计算机软件、用于存储转换后的数据的器械以及用于显示转换后的数据的器械。在一个实施例中,本发明包括EEG装置和用于测量EEG的电极、用于电子存储EEG数据的器械、用于存储计算机软件并执行实现本发明的计算机软件的器械、用于电子存储转换数据的器械以及用于显示转换后的数据的屏幕。屏幕可以是能够显示图像的任何合适的屏幕。这可能包括模拟或数字监视器上的屏幕。应当理解,本发明的范围包括将实现这些目的的许多实施例。
该方法的实施例包括图1所示流程图中的方框中所示的数据收集和转换步骤的组合。首先,传感器电极被布置在受试者的头部附近,例如,在EEG和MEG 1的情况下,并且计算机被设置为收集输出并将其转换成计算机数据文件2。应当理解,本发明的范围包括适合在本文描述的方法中使用的任何类型的生理信号。收集和/或存储表示电生理信号的转换数据以供进一步处理3。在处理数据时,确定是否预处理数据4。可以对数据进行预处理5,或者可以在不进行预处理的情况下标记一个或多个感兴趣的时间点6。在进一步处理数据时,确定是否已标记一个或多个感兴趣的时间点7。可以对数据进行平均8,或者可以对皮层位置和相应的神经元取向进行计算或获得,并且可以计算9噪声协方差、引导场和先验源协方差而不进行平均。现有选择的方法是计算可能的皮质电流流动的位置并允许计算、提取或估计其方向的方法10。随后,根据现有方法计算皮质位置的活动指示值的分布17。计算皮质电流的方向18。确定哪些电流是向内流动的19。根据电流的方向修改活动指示值的分布20。所得数据存储在随机存取存储器中(RAM),用于通过适当的数据成像技术进行进一步转换,以表示数据以供视觉显示或输出到计算机文件以供以后使用21。
更具体地说,使用sLORETA作为现有选择方法的方法确定了指标sopt,该指标指示可能参与创建感兴趣事件的皮层位置,步骤如下:
a)将电信号数据收集到计算机文件中。可选地,应用预处理,例如过滤。
b)标记感兴趣的时间点。可选地,求平均值。
c)确定皮质位置、相应的神经元方向、噪声协方差Cn、引导场A和先验源协方差CP。
d)通过求解相关的未权重线性反问题,基于测量数据b、噪声协方差Cn、引导场A和先验源协方差CP计算电流密度矢量xopt。
e)基于电流密度向量xopt计算sLORETA结果s。
f)确定存储在xopt中的电流方向对于哪些位置不是向内的。
g)通过将指示参与创建感兴趣事件的较小可能性的值分配给电流方向不是向内指向的位置,来基于sLORETA结果计算指标sopt。
使用SWARM而不进行迭代作为现有选择方法的方法将在计算皮质电流之前使用指标sopt,而不是指标s。作为替代方案,仅当通过分配指示参与创建感兴趣事件的可能性为零的值来基于sLORETA结果计算指标sopt时,也可以通过删除相应的源位置来实现使用SWARM而无需迭代的方法,从而降低sopt的维数。
通过以计算机算法实现该方法,可以最方便地实施本发明的方法。具体地,在EEG或MEG的测量中获取的大量信号数据必须通过本发明的方法进行转换以提供有意义的结果。
示例
图2显示了包含点源的模拟EEG数据,该数据具有对去极化和再极化阶段进行建模的源强度时程。在图2a中,左侧显示了EEG中位于头部的25个传感器的输出2,以及其刻度4和垂直时间光标3所描绘的时间点处每个通道的幅度(以μV 5为单位),该时间点表示用于分析的时间点,即去极化阶段的峰值。此外,每个传感器(通道)根据左侧1上的序列进行标记。在图2b中,右侧显示了计算机生成的传感器2渲染图(通过其标签进行识别)以及选定时间点的电压3的等势线以及所使用的刻度1。在此示例中,噪声协方差矩阵Cn是对角的,其所有非零条目均为(0.5μV)2,对应于信噪比为10。源先验协方差矩阵CP为1。
图3至6显示了应用于EEG信号数据的分析结果。在所有这些图中,a至c部分中,穿过3-D解空间的三个正交切口显示了分析结果2。分析结果被描绘为指示分析结果的位置、方向和强度的箭头。每个箭头所代表的位置是箭头的中心,位于尾部和尖端之间的中间。每个箭头代表的强度由颜色和箭头的大小指示。示教箭头的尖端指示皮质电流的方向。还示出了指示右(“R”)1和左(“L”)的标签、解剖背景5以及表示皮质片4的中间层的表面,源位置分布在该表面上。在正交切口中,黑色十字准线3显示了模拟点源的位置。根据c部分,在d部分中,可以看到十字准线周围区域的放大视图。在e部分,可以看到一个刻度,指示用于显示分析结果的颜色。
图3显示了现有方法SWARM迭代的结果。刻度上看到的单位是μAmm,即当前偶极矩。
图4显示了所提出方法的结果,其中现有方法是带有迭代的SWARM方法。刻度上看到的单位是μAmm,即当前偶极矩。
图5显示了现有方法sLORETA的结果。量表中看到的单位表示无单位、F分布的统计分数。
图6显示了所提出方法的结果,其中,现有方法是sLORETA方法。量表中看到的单位表示无单位、F分布的统计分数。
参考文献
Dale A.M.,Sereno M.I.通过将EEG和MEG与MRI皮层表面重建相结合来改进皮层活动的定位:线性方法。《认知神经科学杂志》5,162-1761993。
Fuchs M.,Wagner M.,T.,Wischmann H.A.线性和非线性电流密度重构。《临床神经生理学杂志》16267-2951999。
Gorodnitsky IF,George J.S.,Rao B.D.FOCUS神经磁源成像:一种递归加权最小范数算法。脑电图与临床神经生理学4,231-511995。
Ilmoniemi R.解释大脑磁场:最小范数估计。TKK-F-A559报告,赫尔辛基理工大学,埃斯波,1984年。
的生物磁学反演问题。博士论文,汉堡大学,汉堡,1998年。
Pascual Marqui R.D.脑电逆问题求解方法综述。《国际生物电磁学杂志》1999年第1期,第75-86页。
Pascual Marqui R.D.标准化低分辨率脑电磁断层扫描(sLORETA):技术细节。《实验与临床药理学》方法与发现24D,2002年5月12日。
Pascual Marqui R.D.,Michel C.M.,Lehmann D.低分辨率电磁断层扫描:一种定位大脑电活动的新方法。《国际心理生理学杂志》1849-651994。
Sekihara K.,Sahani M.,Nagarajan S.S.用于MEG源重建的自适应和非自适应空间滤波器的定位偏差和空间分辨率。神经影像学251056-10672005
陶JX,雷A,霍斯·埃伯索尔S,埃伯索尔JS。头皮脑电间期棘波的颅内脑电基底。2005年癫痫;46:669-676。
Tarantola A.反问题理论(第2版)。爱思唯尔,阿姆斯特丹,1994年。
Wagner M.Rekonstruktion NeuronalerShaker Verlag,亚琛,1998年。
Wagner M,Fuchs M,Kastner J.使用扩展源的电流密度重建和偏差扫描。收录于:Biomag 2002。编辑:H.Nowak,J.Haueisen,F Gieβler,R.Huonker,VDE Verlag,柏林,奥芬巴赫2002804-806
Wagner M.,Fuchs M.,Kastner J.存在噪声和多个源时sLORETA的评估。大脑拓扑。16277-802004。
Wagner M,Fuchs M,Kastner J.(2007)SWARM:sLORETA加权精确最小范数逆解。(编辑)Cheyne D,Ross B,Stroink G,Weinberg H.生物磁学新前沿。阿姆斯特丹,爱思唯尔。第185-188页。
Claims (7)
1.一种利用微处理器转换来自传感器的电信号数据的方法,包括以下步骤:
a)收集电信号数据并将其存储到计算机文件中;
b)根据现有的选择方法计算皮质电流向量;
c)确定哪些电流不是内向流动的;
d)计算对角权重矩阵,其代表电流不向内流动的位置的条目比其其他条目更小;
e)根据所述现有的选择方法计算所述当前向量,但结合所述上一步中确定的所述对角权重矩阵;和
f)将所述结果数据存储在至少一个计算机文件中。
2.一种利用微处理器转换来自传感器的电信号数据的方法,包括以下步骤:
a)收集电信号数据并将其存储到计算机文件中;
b)根据现有的选择方法计算皮质位置的活动指示值的分布;
c)计算、提取或估计皮质电流的所述方向;
d)确定哪些电流不是内向流动的;
e)修改所述活动指示值的分布,使得代表电流不向内流动的位置的值指示比所述修改之前更小的活动;和
f)将所述结果数据存储在至少一个计算机文件中。
3.根据权利要求1或权利要求2所述的方法,还包括对所述存储的结果应用数据成像技术以将所述数据转换成适合于所述数据的视觉表示的形式的步骤。
4.根据权利要求3所述的方法,还包括显示所述转换后的数据以供目视检查的步骤。
5.一种用于采集、转换和显示电信号数据的装置,包括:采集电信号的传感器;用于存储电信号数据的器械;以及至少一个微处理器,其具有实现所述现有选择方法的计算机程序、确定所述皮质电流流动方向的算法、以及对角权重矩阵算法或用于修改所述活动指示值的分布的算法,用于转换所存储的电信号数据。
6.根据权利要求5所述的装置,还包括用于存储转换后的数据的器械。
7.根据权利要求5或权利要求6所述的装置,还包括用于显示变换后的数据的器械。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/IB2021/051564 WO2022180420A1 (en) | 2021-02-25 | 2021-02-25 | Localizing physiological signals |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116940282A true CN116940282A (zh) | 2023-10-24 |
Family
ID=83047861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180094515.0A Pending CN116940282A (zh) | 2021-02-25 | 2021-02-25 | 定位生理信号 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20240122549A1 (zh) |
EP (1) | EP4297651A1 (zh) |
JP (1) | JP2024509075A (zh) |
KR (1) | KR20230150303A (zh) |
CN (1) | CN116940282A (zh) |
AU (1) | AU2021429161A1 (zh) |
CA (1) | CA3210703A1 (zh) |
WO (1) | WO2022180420A1 (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1998668B1 (en) * | 2006-01-05 | 2012-05-23 | Compumedics Limited | Method and apparatus for localising and displaying electrophysiological signals |
US9433363B1 (en) * | 2015-06-18 | 2016-09-06 | Genetesis Llc | Method and system for high throughput evaluation of functional cardiac electrophysiology |
US11147501B2 (en) * | 2017-10-12 | 2021-10-19 | Children's Hospital Medical Center | Systems and methods for enhanced encoded source imaging |
-
2021
- 2021-02-25 AU AU2021429161A patent/AU2021429161A1/en active Pending
- 2021-02-25 US US18/277,566 patent/US20240122549A1/en active Pending
- 2021-02-25 WO PCT/IB2021/051564 patent/WO2022180420A1/en active Application Filing
- 2021-02-25 EP EP21927747.2A patent/EP4297651A1/en active Pending
- 2021-02-25 JP JP2023550172A patent/JP2024509075A/ja active Pending
- 2021-02-25 CA CA3210703A patent/CA3210703A1/en active Pending
- 2021-02-25 KR KR1020237029877A patent/KR20230150303A/ko unknown
- 2021-02-25 CN CN202180094515.0A patent/CN116940282A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4297651A1 (en) | 2024-01-03 |
AU2021429161A1 (en) | 2022-10-06 |
KR20230150303A (ko) | 2023-10-30 |
WO2022180420A1 (en) | 2022-09-01 |
US20240122549A1 (en) | 2024-04-18 |
JP2024509075A (ja) | 2024-02-29 |
CA3210703A1 (en) | 2022-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2319227C (en) | System and method for measuring, estimating and displaying rms current density maps | |
Eichele et al. | Mining EEG–fMRI using independent component analysis | |
Korhonen et al. | Removal of large muscle artifacts from transcranial magnetic stimulation-evoked EEG by independent component analysis | |
Hauk | Keep it simple: a case for using classical minimum norm estimation in the analysis of EEG and MEG data | |
AU2006332443B2 (en) | Localising and displaying electrophysiological signals | |
WO2012046237A9 (en) | Device for use in electro-biological signal measurement in the presence of a magnetic field | |
US20160051161A1 (en) | Method for locating a brain activity associated with a task | |
Spadone et al. | A K-means multivariate approach for clustering independent components from magnetoencephalographic data | |
CN114052668B (zh) | 一种基于脑磁图数据的脑功能分析方法 | |
Ostwald et al. | Voxel-wise information theoretic EEG-fMRI feature integration | |
Mariyappa et al. | Denoising of multichannel MCG data by the combination of EEMD and ICA and its effect on the pseudo current density maps | |
Michel | High-resolution EEG | |
JP5252383B2 (ja) | 生体内電流双極子の推定方法 | |
Ferdowsi et al. | A predictive modeling approach to analyze data in EEG–fMRI experiments | |
JP6996135B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
Halchenko et al. | Multimodal integration: fMRI, mri, EEG, MEG | |
CN116940282A (zh) | 定位生理信号 | |
KR100911731B1 (ko) | 뇌파기반 피질리듬활동 모니터링 시스템 | |
Jonmohamadi et al. | Voxel-ICA for reconstruction of source signal time-series and orientation in EEG and MEG | |
CN117257312B (zh) | 一种机器学习中增广脑磁图数据的方法 | |
Pieloth et al. | An online system for neuroelectromagnetic source imaging | |
US20210128002A1 (en) | Dipole group quantification method and dipole group display system | |
Zaitcev et al. | Application of compressive sensing for eeg source localization in brain computer interfaces | |
JP4639350B2 (ja) | 電流双極子の位置および方向の推定方法 | |
Zaytsev et al. | Source analysis in motor imagery EEG BCI applications |
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 |