تخطيط مغناطيسية الدماغ: الفرق بين النسختين

من ويكيبيديا، الموسوعة الحرة
تصفح التاريخ تفاعلياً
[نسخة منشورة][نسخة منشورة]
→ التعديل السابقالتعديل اللاحق ←
تم حذف المحتوى تمت إضافة المحتوى
مرئينص الويكي
لا ملخص تعديل
لا ملخص تعديل
سطر 62: سطر 62:
تتضمن تقنية نمذجة المصدر لـ MEG المقبولة على نطاق واسع حساب مجموعة من التيارات ثنائية الأقطاب المكافئة (ECDs)، التي تفترض أن تكون المصادر العصبية الكامنة مركزية. هذا الإجراء المناسب لثنائي القطب غير [[نظام خطي|خطي]] ومفرط في التحديد، لأن عدد مؤشرات ثنائي القطب الغير معروف أصغر من عدد مقاييس MEG.<ref>{{cite journal | vauthors = Huang MX, Dale AM, Song T, Halgren E, Harrington DL, Podgorny I, Canive JM, Lewis S, Lee RR | title = Vector-based spatial-temporal minimum L1-norm solution for MEG | journal = NeuroImage | volume = 31 | issue = 3 | pages = 1025–37 | date = July 2006 | pmid = 16542857 | doi = 10.1016/j.neuroimage.2006.01.029 }}</ref> يتم تطبيق خوارزميات النموذج ثنائي الأقطاب الآلي مثل تصنيف الإشارات المتعددة (MUSIC) و نمذجة MSST لتحليل استجابة MEG. محددات النماذج ثنائية القطب لتوصيف الاستجابة العصبية هي (1) صعوبات في استخدام التيارات ثنائية الأقطاب المكافئة لتعيين موقع المصادر الموسعة، (2) مشاكل في تقدير العدد الإجمالي الدقيق من ثنائيات القطب مقدمًا، و (3) الاعتماد على موقع ثنائي القطب، وخاصة مستوى العمق في [[الدماغ]].
تتضمن تقنية نمذجة المصدر لـ MEG المقبولة على نطاق واسع حساب مجموعة من التيارات ثنائية الأقطاب المكافئة (ECDs)، التي تفترض أن تكون المصادر العصبية الكامنة مركزية. هذا الإجراء المناسب لثنائي القطب غير [[نظام خطي|خطي]] ومفرط في التحديد، لأن عدد مؤشرات ثنائي القطب الغير معروف أصغر من عدد مقاييس MEG.<ref>{{cite journal | vauthors = Huang MX, Dale AM, Song T, Halgren E, Harrington DL, Podgorny I, Canive JM, Lewis S, Lee RR | title = Vector-based spatial-temporal minimum L1-norm solution for MEG | journal = NeuroImage | volume = 31 | issue = 3 | pages = 1025–37 | date = July 2006 | pmid = 16542857 | doi = 10.1016/j.neuroimage.2006.01.029 }}</ref> يتم تطبيق خوارزميات النموذج ثنائي الأقطاب الآلي مثل تصنيف الإشارات المتعددة (MUSIC) و نمذجة MSST لتحليل استجابة MEG. محددات النماذج ثنائية القطب لتوصيف الاستجابة العصبية هي (1) صعوبات في استخدام التيارات ثنائية الأقطاب المكافئة لتعيين موقع المصادر الموسعة، (2) مشاكل في تقدير العدد الإجمالي الدقيق من ثنائيات القطب مقدمًا، و (3) الاعتماد على موقع ثنائي القطب، وخاصة مستوى العمق في [[الدماغ]].


=== النماذج موزعة المصدر ===
بخلاف النمذجة متعددة الأقطاب الثنائية، تقوم النماذج موزعة المصدر بتقسيم مساحة المصدر إلى شبكة تحتوي على عدد كبير من ثنائيات الأقطاب. المسألة الرياضية العكسية هنا هي الحصول على لحظات ثنائية القطب [[عقدة (شبكات)|لعقد الشبكة]].<ref>{{cite journal | vauthors = Hämäläinen MS, Ilmoniemi RJ | title = Interpreting magnetic fields of the brain: minimum norm estimates | journal = Medical & Biological Engineering & Computing | volume = 32 | issue = 1 | pages = 35–42 | date = January 1994 | pmid = 8182960 | doi = 10.1007/BF02512476 }}</ref> وبما أن عدد اللحظات ثنائية القطب غير المعروفة أكبر بكثير من عدد مجسات MEG، فإن الحل العكسي غير محدّد إلى حد كبير، لذا هناك حاجة إلى قيود إضافية لتقليل غموض الحل. الميزة الأساسية لهذا النهج هو أنه لا يلزم وجود مواصفات مسبقة لنموذج المصدر. ومع ذلك، قد يكون من الصعب تفسير التوزيعات الناتجة، لأنها تعكس فقط صورة "غير واضحة" (أو حتى مشوهة) لتوزيع المصدر العصبي الحقيقي. الأمر معقد بسبب حقيقة أن الدقة المكانية تعتمد بشدة على عدة عوامل مثل منطقة الدماغ، والعمق، والاتجاه، وعدد أجهزة الاستشعار الخ.<ref>{{cite journal | vauthors = Molins A, Stufflebeam SM, Brown EN, Hämäläinen MS | title = Quantification of the benefit from integrating MEG and EEG data in minimum l2-norm estimation | journal = NeuroImage | volume = 42 | issue = 3 | pages = 1069–77 | date = September 2008 | pmid = 18602485 | doi = 10.1016/j.neuroimage.2008.05.064 }}</ref>


=== تحليل المكونات المستقلة (ICA) ===
[[تحليل المكونات المستقلة]] (ICA) هو حل آخر لمعالجة الإشارات، بحيث يفصل الإشارات المختلفة المستقلة إحصائيًا في الوقت المناسب. وتستخدم في المقام الأول لإزالة العوامل الخادعة مثل [[الرمش]]، وحركة [[عضلات العين]]، والحركات العضلية الخادعة في الوجه، والقلب، وما إلى ذلك من إشارات MEG و EEG التي قد تكون ملوثة بضوضاء خارجية.<ref>{{cite journal | vauthors = Jung TP, Makeig S, Westerfield M, Townsend J, Courchesne E, Sejnowski TJ | title = Removal of eye activity artifacts from visual event-related potentials in normal and clinical subjects | journal = Clinical Neurophysiology | volume = 111 | issue = 10 | pages = 1745–58 | date = October 2000 | pmid = 11018488 | doi = 10.1016/S1388-2457(00)00386-2 | url = ftp://ftp.cnl.salk.edu/pub/jung/CLINPH00.pdf }}</ref> ومع ذلك، لدى تحليل المكونات المستقلة دقة ضعيفة فيما يتعلق بمصادر الدماغ عالية الارتباط.




نسخة 07:59، 17 يونيو 2018

تخطيط مغناطيسية الدماغ
شخص يخضع لتخطيط مغناطيسي للدماغ
من أنواع تصوير عصبي  تعديل قيمة خاصية (P279) في ويكي بيانات
ن.ف.م.ط. D015225
تعديل مصدري - تعديل  طالع توثيق القالب

تخطيط الدماغ المغناطيسي (بالإنجليزية: Magnetoencephalography) ويعرف اختصارًا (MEG) هو تقنية تصوير وظيفي للأعصاب لتخطيط نشاط الدماغ عن طريق تسجيل المجالات المغناطيسية التي تنتجها التيارات الكهربائية التي تحدث بشكل طبيعي في الدماغ، وذلك باستخدام مقاييس المغناطيسية الحساسة جدًا. يعتبر السكويدة (نبيطة تداخل كمومي فائقة النقل) حالياً أكثر مقاييس المغناطيسية شيوعًا، في حين يجري اختبار جهاز قياس المغناطيسية (SERF) أجل الآلات المستقبلية.[1][2][3] وتشمل تطبيقات MEG البحث الأولي في عمليات الدماغ المعرفية والإدراكية الحسية، وتحديد المناطق المتضررة من الأمراض قبل الاستئصال الجراحي، وتحديد وظيفة أجزاء مختلفة من الدماغ، والارتجاع العصبي. يمكن تطبيق ذلك في بيئة سريرية للعثور على أماكن الاضطرابات وكذلك في بيئة تجريبية لقياس نشاط الدماغ.[4]

تاريخ

غرفة الدكتور كوهين المحمية في معهد ماساتشوستس للتكنولوجيا، والتي تم فيها قياس MEG للمرة الأولى باستخدام السكويدة
أول تخطيط دماغ مغناطيسي تم قياسه باستخدام السكويدة، في غرفة الدكتور كوهين في معهد ماساتشوستس للتكنولوجيا

قام الفيزيائي بجامعة إلينوي دافيد كوهين بقياس إشارات MEG للمرة الأولى في عام 1968،[5] قبل توفر السكويدة، باستخدام ملف حثي نحاسي ككاشف للإشارات. للحد من الضوضاء المغناطيسية في الخلفية، تم إجراء القياسات في غرفة محمية مغناطيسيًا. كان الملف الكاشف بالكاد حساسًا بما يكفي، مما أدى إلى قياسات MEG ضعيفة وصاخبة كان يصعب استخدامها. في وقتٍ لاحق، قام كوهين ببناء غرفة محمية بشكل أفضل بكثير في معهد ماساتشوستس للتكنولوجيا، واستخدم واحدة من أوائل أجهزة السكويدة الكاشفة، التي طورها جيمس إدوارد زيمرمان، الباحث في شركة فورد موتور،[6] لقياس إشارات MEG مرة أخرى.[1] ولكن هذه المرة كانت الإشارات واضحة تمامًا مثل إشارات تخطيط أمواج الدماغ. حفز هذا اهتمام الفيزيائيين الذين كانوا يبحثون في استخدامات السكويدة. بعد ذلك، بدأت تُقاس أنواع مختلفة من MEGs المحفزة والتلقائية.

في البداية، تم استخدام كاشف سكويد واحد لقياس المجال المغناطيسي بنجاح في عدد من النقاط حول رأس الشخص. ولكن كان هذا مرهقاً، وفي الثمانينات، بدأ مصنعو MEG بترتيب أجهزة استشعار متعددة في مصفوفات لتغطية مساحة أكبر من الرأس. يتم وضع مصفوفات MEG الحالية في ترمس على شكل خوذة تحتوي عادة على 300 جهاز استشعار، تغطي معظم الرأس. بهذه الطريقة، يمكن الآن تجميع MEGs لشخص أو مريض بسرعة وكفاءة.

تحاول التحسينات الأخيرة زيادة قابلية التنقل والحمل لماسحات MEG باستخدام مقاييس المغناطيسية (SERF). مقاييس المغناطيسية SERF صغيرة نسبيًا، لأنها لا تتطلب أنظمة تبريد ضخمة للعمل. في نفس الوقت، لديهم حساسية تعادل تلك الموجودة في السكويدة. في عام 2012، تم إثبات أن MEG يمكن أن يعمل ياستخدام مقياس مغناطيسي ذري بمقاس رقاقة (CSAM ، أحد أنواع SERF).[7] وفي الآونة الأخيرة، في عام 2017، بنى الباحثون نموذجًا أوليًا يعمل باستخدام أجهزة قياس المغناطيسية SERF المثبتة في خوذ منفردة قابلة للحمل والنقل مطبوعة باستخدام طابعة ثلاثية الأبعاد[3].

أساس إشارة تخطيط الدماغ المغناطيسي

تحفز تيارات الخلايا العصبية المتزامنة مجالات مغناطيسية الضعيفة. إن المجال المغناطيسي للدماغ، الذي يقاس عند 10 فيمتو تسلا (ft) لنشاط القشرة المخية و عند 103 fT لموجات ألفا التي يطلقها الدماغ البشري، أصغر بكثير من الضوضاء المغناطيسية المحيطة في بيئة حضرية، والتي تكون في نطاق 108 fT أو 0.1 µT (ميكرو تسلا). بالتالي، فإن المشكلة الأساسية للمغناطيسية الحيوية هي ضعف الإشارة بالنسبة لحساسية أجهزة الكشف ، ومقارنةً مع ضوضاء البيئة المحيطة.

مصدر المجال المغناطيسي للدماغ. يقوم التيار الكهربائي بإنشاء إشارات تخطيط أمواج الدماغ أيضًا

تُستمد إشارات تخطيط الدماغ المغناطيسي(و تخطيط أمواج الدماغ) من التأثير الصافي لتيارات التأين التي تتدفق في الزوائد الشجرية للخلايا العصبية أثناء التشابك العصبي. وفقًا لمعادلات ماكسويل، فإن أي تيار كهربائي ينتج حقل مغناطيسي، وهذا هو المجال الذي يتم قياسه. يمكن اعتبار أن التيارات الصافية تيارات ثنائية القطب[8]، أي تيارات ذات موقع، واتجاه، وقيمة، ولكن لا يوجد لها مدى مكاني. وفقًا لقاعدة اليد اليمنى، يؤدي التيار ثنائي القطب إلى إنشاء حقل مغناطيسي يسير حول محور مصدر القوة الموجهة له.

لتوليد إشارة قابلة للاكتشاف، نحتاج إلى حوالي 50،000 عصبون نشط.[9] وبما أن التيارات ثنائية القطب يجب أن يكون لها اتجاهات مشابهة لتوليد حقول مغناطيسية تعزز بعضها البعض، فغالبًا ما تقوم طبقة الخلايا العصبية الهرمية، التي تقع عموديًا على سطح القشرة المخية، بإنشاء مجالات مغناطيسية قابلة للقياس. تقوم حزم من هذه العصبونات الموجهة بشكل عرضي إلى سطح فروة الرأس بتخطيط أجزاء قابلة للقياس من حقولها المغناطيسية خارج الرأس، وعادة ما توجد هذه الحزم في التلم. يجرِّب الباحثون طرقًا مختلفة لمعالجة الإشارات في سبيل إيجاد طرق تستكشف الدماغ العميق (أي، الإشارات غير القشرية)، ولكن لا توجد طريقة مفيدة سريريًا في الوقت الحالي.

تجدر الإشارة إلى أن جهد الفعل لا ينتج عادة مجالًا يمكن ملاحظته، ويرجع ذلك أساسًا إلى أن التيارات المرتبطة بجهد الفعل تتدفق في اتجاهات متعاكسة وتلغى الحقول المغناطيسية. ومع ذلك، تم قياس حقول الفعل من الأعصاب الطرفية.

التدريع المغناطيسي

بما أن الإشارات المغناطيسية المنبعثة من الدماغ عدد قليل من الفيمتو تسلا، فإن الحماية من الإشارات المغناطيسية الخارجية، بما في ذلك المجال المغناطيسي للأرض، أمرٌ ضروري. يمكن الحصول على درع مغناطيسي مناسب عن طريق إنشاء غرف مصنوعة من الألمنيوم و سبيكة عالية النفاذية المغناطيسية للحد من الضجيج عالي التردد ومنخفض التردد، على التوالي.

مدخل الغرفة المحمية مغناطيسيًا، يظهر في الصورة طبقات الحماية المنفصلة


الغرفة المحمية مغناطيسيًا (MSR)

يتكون نموذج الغرفة المحمية مغناطيسيًا (MSR) من ثلاث طبقات رئيسية متداخلة. كل طبقة من هذه الطبقات مصنوعة من طبقة ألومنيوم نقية بالإضافة إلى طبقة مغناطيسية حديدية عالية النفاذية، تشبه في تركيبها الموليبدينوم البرمالوي.توجد الطبقة المغناطيسية الحديدية على شكل صفائح بقطر 1  مم، في حين تتكون الطبقة الداخلية من أربعة صفائح عند ملامستها عن قرب، وتتكون الطبقتان الخارجيتان من ثلاث صفائح لكل منها. وتقوم الشرائح المغطية بالحفاظ على الاستمرارية المغناطيسية. يتم استخدام الغسالات العازلة في التجميعات اللولبية لضمان عزل كل طبقة رئيسية كهربائياً. هذا يساعد في القضاء على إشعاع تردد الراديو، التي من الممكن أن تقلل من أداء السكويدة. كما يتم الحفاظ على الاستمرارية الكهربائية للألومنيوم من خلال شرائح الألومنيوم المغطية لضمان حماية التيار الدوامي التيار المتردد، وهو أمر مهم عند ترددات أعلى من 1 هرتز. وغالبًا ما تُطلى تقاطعات الطبقة الداخلية بالفضة أو الذهب لتحسين موصلية طبقات الألمنيوم.[10]

نظام التدريع النشط

تم تصميم الأنظمة النشطة لإلغاء الضجيج ثلاثي الأبعاد. لتنفيذ نظام نشط، يتم تركيب مقاييس مغناطيسية ذات بوابة تدفق منخفضة الضجيج في مركز كل سطح وتوجه بشكل متعامد معها. يغذي هذا بشكل سلبي مضخم التيار المستمر من خلال شبكة الترددات المنخفضة مع انخفاض بطيء لتقليل ردود الارتجاع الإيجابي والتذبذب. بُني في النظام أسلاك مهتزة ومبطلة للمغناطيسية. تزيد الأسلاك المهتزّة من النفاذية المغناطيسية، في حين يتم تطبيق الأسلاك المبطلة للمغناطيسية بشكل دائم على جميع أسطح الطبقة الرئيسية الداخلية لإزالة مغناطيسية الأسطح.[5] علاوةً على ذلك، يمكن لخوارزميات إلغاء الضجيج أن تقلل من الضوضاء ذات التردد المنخفض والعالي. تحتوي الأنظمة الحديثة على أرضية ضوضاء تبلغ حوالي 2–3 fT/Hz0.5 فوق 1 Hz.

تعيين مكان المصدر

المسألة الرياضية العكسية لتحديد المواقع

يتمثل التحدي الذي يطرحه تخطيط الدماغ المغناطيسي في تحديد موقع النشاط الكهربائي داخل الدماغ من خلال الحقول المغناطيسية المستحثة خارج الرأس. يشار إلى هكذا تحديات، أي عندما يجب تقدير مؤشرات النموذج (موقع النشاط) من البيانات المقاسة (إشارات الحبار) بالمسائل الرياضية العكسية (على النقيض من المسائل الأمامية [11] حيث تكون معلمات النموذج (مثل موقع المصدر) معروفة ويتم تقدير البيانات (مثل الحقل المغناطيسي عند مسافة معينة). تكمن الصعوبة الرئيسية في عدم احتواء المسألة العكسية على حل فريد (أي أن هناك إجابات "صحيحة" غير محدودة)، و مشكلة تحديد الحل "الأمثل" هي نفسها موضوع بحث مكثف.[12] يمكن اشتقاق الحلول الممكنة باستخدام نماذج تتضمن معرفة مسبقة بنشاط الدماغ.

يمكن أن تكون نماذج المصدر إما مفرطة التحديد أو قليلة التحديد. قد يتكون النموذج مفرط التحديد من بعض المصادر الشبيهة بالنقاط ("نموذج ثنائي الأقطاب المتكافئة")، والتي يتم بعد ذلك تقدير مواقعها من البيانات. يمكن استخدام النماذج قليلة التحديد في الحالات التي يتم فيها تنشيط العديد من المناطق الموزعة المختلفة ("حلول المصادر الموزعة"): هناك عدد لا حصر له من التوزيعات المحتملة للتيار التي تشرح نتائج القياس، ولكن يتم اختيار الأكثر احتمالية. تستفيد خوارزميات تعيين الموقع من نماذج المصدر والرأس للعثور على موقع محتمل لمولد المجال المركزي الكامن.

يعمل أحد انواع خوارزميات تعيين المواقع للنماذج مفرطة التحديد عن طريق تحقيق أقصى قدر للتوقع (EM): يتم تهيئة النظام بتخمين اولي. تبدأ الحلقة، التي يتم فيها استخدام نموذج أمامي لمحاكاة المجال المغناطيسي الذي سينتج عن التيار الذي تم تخمينه. يتم ضبط التخمين لتقليل التناقض بين حقل المحاكاة والحقل المقاس. وتتكرر هذه العملية حتى التقارب.

وهناك تقنية شائعة أخرى هي تشكيل الحزم، حيث يتم استخدام نموذج نظري للحقل المغناطيسي الناتج عن تيار ثنائي القطب معين، إلى جانب إحصاءات من الرتبة الثانية للبيانات في شكل مصفوفة تغاير، لحساب الترجيح الخطي لمكون الحزم عبر معكوس باكوس-جيلبرت. ويعرف هذا أيضًا باسم الحد الأدنى من التباين المقيد خطيًا (LCMV) لمكون الحزم. عندما يتم تطبيق المكوِّن على البيانات، فإنه ينتج تقديرًا للقوة في "قناة افتراضية" في موقع المصدر.

لا يمكن المبالغة في التأكيد على مدى صعوبة طرح مسألة عكسية خالية من القيود لتخطيط الدماغ المغناطيسي. إذا كان هدف المرء هو تقدير كثافة التيار في دماغ الإنسان باستخدام دقة 5 مم، فمن الثابت أن الغالبية العظمى من المعلومات اللازمة لإجراء انعكاس فريد يجب ألا تأتي من قياس المجال المغناطيسي بدلاً من القيود المحيطة بهذه المسألة. وعلاوةً على ذلك، حتى عندما يكون الانعكاس الفريد ممكنًا في وجود مثل هذه القيود، فإن الانعكاس يمكن أن يكون غير مستقر. هذه الاستنتاجات يمكن استنباطها بسهولة من الأعمال المنشورة.[13]

صورة المصدر المغناطيسي

يمكن دمج مواقع المصدر مع صور التصوير بالرنين المغناطيسي (MRI) لإنشاء صور المصدر المغناطيسي (MSI). يتم جمع مجموعتين من البيانات عن طريق قياس موقع مجموعة مشتركة من النقاط المرجعية التي تم تمييزها بدلالات الدهون أثناء التصوير بالرنين المغناطيسي، وبلفائف من الأسلاك الكهربائية التي تعطي المجال المغناطيسي خلال MEG. ثم يتم استخدام مواقع النقاط المرجعية في كل مجموعة بيانات لتحديد نظام إحداثي مشترك بحيث يمكن إضافة بيانات MEG الوظيفية إلى بيانات التصوير بالرنين المغناطيسي الهيكلية، وتصبح ("مطابقة الصور") ممكنة.

إن الانتقاد لاستخدام هذه التقنية في الممارسة السريرية هو أنها تنتج مناطق ملونة ذات حدود على صور المسح بالرنين المغناطيسي: قد لا يدرك المشاهد غير المدرّب أن الألوان لا تمثل يقينًا فيزيولوجيًا، بسبب الدقة المنخفضة نسبيًا في MEG، بل تمثل احتمالية مشتقة من العمليات الإحصائية. ومع ذلك، عندما تؤكد صورة المصدر المغناطيسي صحة بيانات أخرى، يمكن أن تكون عندها ذات فائدة إكلينيكية.[14]

تحديد مكان مصدر النموذج ثنائي القطب

تتضمن تقنية نمذجة المصدر لـ MEG المقبولة على نطاق واسع حساب مجموعة من التيارات ثنائية الأقطاب المكافئة (ECDs)، التي تفترض أن تكون المصادر العصبية الكامنة مركزية. هذا الإجراء المناسب لثنائي القطب غير خطي ومفرط في التحديد، لأن عدد مؤشرات ثنائي القطب الغير معروف أصغر من عدد مقاييس MEG.[15] يتم تطبيق خوارزميات النموذج ثنائي الأقطاب الآلي مثل تصنيف الإشارات المتعددة (MUSIC) و نمذجة MSST لتحليل استجابة MEG. محددات النماذج ثنائية القطب لتوصيف الاستجابة العصبية هي (1) صعوبات في استخدام التيارات ثنائية الأقطاب المكافئة لتعيين موقع المصادر الموسعة، (2) مشاكل في تقدير العدد الإجمالي الدقيق من ثنائيات القطب مقدمًا، و (3) الاعتماد على موقع ثنائي القطب، وخاصة مستوى العمق في الدماغ.

النماذج موزعة المصدر

بخلاف النمذجة متعددة الأقطاب الثنائية، تقوم النماذج موزعة المصدر بتقسيم مساحة المصدر إلى شبكة تحتوي على عدد كبير من ثنائيات الأقطاب. المسألة الرياضية العكسية هنا هي الحصول على لحظات ثنائية القطب لعقد الشبكة.[16] وبما أن عدد اللحظات ثنائية القطب غير المعروفة أكبر بكثير من عدد مجسات MEG، فإن الحل العكسي غير محدّد إلى حد كبير، لذا هناك حاجة إلى قيود إضافية لتقليل غموض الحل. الميزة الأساسية لهذا النهج هو أنه لا يلزم وجود مواصفات مسبقة لنموذج المصدر. ومع ذلك، قد يكون من الصعب تفسير التوزيعات الناتجة، لأنها تعكس فقط صورة "غير واضحة" (أو حتى مشوهة) لتوزيع المصدر العصبي الحقيقي. الأمر معقد بسبب حقيقة أن الدقة المكانية تعتمد بشدة على عدة عوامل مثل منطقة الدماغ، والعمق، والاتجاه، وعدد أجهزة الاستشعار الخ.[17]

تحليل المكونات المستقلة (ICA)

تحليل المكونات المستقلة (ICA) هو حل آخر لمعالجة الإشارات، بحيث يفصل الإشارات المختلفة المستقلة إحصائيًا في الوقت المناسب. وتستخدم في المقام الأول لإزالة العوامل الخادعة مثل الرمش، وحركة عضلات العين، والحركات العضلية الخادعة في الوجه، والقلب، وما إلى ذلك من إشارات MEG و EEG التي قد تكون ملوثة بضوضاء خارجية.[18] ومع ذلك، لدى تحليل المكونات المستقلة دقة ضعيفة فيما يتعلق بمصادر الدماغ عالية الارتباط.


المراجع

  1. ^ أ ب Cohen D (فبراير 1972). "Magnetoencephalography: detection of the brain's electrical activity with a superconducting magnetometer" (PDF). Science. ج. 175 ع. 4022: 664–6. DOI:10.1126/science.175.4022.664. PMID:5009769.
  2. ^ Hämäläinen، Matti؛ Hari، Riitta؛ Ilmoniemi، Risto J.؛ Knuutila، Jukka؛ Lounasmaa، Olli V. (1993). "Magnetoencephalography—theory, instrumentation, and applications to noninvasive studies of the working human brain" (PDF). Reviews of Modern Physics. ج. 65 ع. 2: 413–497. DOI:10.1103/RevModPhys.65.413. ISSN:0034-6861. {{استشهاد بدورية محكمة}}: الوسيط غير المعروف |name-list-format= تم تجاهله يقترح استخدام |name-list-style= (مساعدة)
  3. ^ أ ب Boto, Elena; Holmes, Niall; Leggett, James; Roberts, Gillian; Shah, Vishal; Meyer, Sofie S.; Muñoz, Leonardo Duque; Mullinger, Karen J.; Tierney, Tim M. (Mar 2018). "Moving magnetoencephalography towards real-world applications with a wearable system". Nature (بالإنجليزية). 555 (7698): 657–661. DOI:10.1038/nature26147. ISSN:1476-4687.
  4. ^ Carlson، Neil R. (2013). Physiology of Behavior. Upper Saddle River, NJ: Pearson Education Inc. ص. 152–153. ISBN:978-0-205-23939-9. {{استشهاد بكتاب}}: الوسيط غير المعروف |name-list-format= تم تجاهله يقترح استخدام |name-list-style= (مساعدة)
  5. ^ أ ب Cohen D (أغسطس 1968). "Magnetoencephalography: evidence of magnetic fields produced by alpha-rhythm currents". Science. ج. 161 ع. 3843: 784–6. DOI:10.1126/science.161.3843.784. PMID:5663803.
  6. ^ Zimmerman JE، Theine P، Harding JT (1970). "Design and operation of stable rf-biased superconducting point-contact quantum devices, etc". Journal of Applied Physics. ج. 41 ع. 4: 1572–1580. DOI:10.1063/1.1659074.
  7. ^ Sander TH، Preusser J، Mhaskar R، Kitching J، Trahms L، Knappe S (مايو 2012). "Magnetoencephalography with a chip-scale atomic magnetometer". Biomedical Optics Express. OSA Publishing. ج. 3 ع. 5: 981–90. DOI:10.1364/BOE.3.000981. PMID:22567591.
  8. ^ Electrophysiological Basis of MEG Signals
  9. ^ Okada Y (1983). "Neurogenesis of evoked magnetic fields". في Williamson SH، Romani GL، Kaufman L، Modena I (المحررون). Biomagnetism: an Interdisciplinary Approach. New York: Plenum Press. ص. 399–408. ISBN:978-1-4757-1785-3.
  10. ^ Cohen D، Schläpfer U، Ahlfors S، Hämäläinen M، Halgren E. "New Six-Layer Magnetically-Shielded Room for MEG". Charlestown, Massachusetts: Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital. {{استشهاد ويب}}: الوسيط |مسار= غير موجود أو فارع (مساعدة)
  11. ^ Tanzer IO (2006). Numerical Modeling in Electro- and Magnetoencephalography (Ph.D. thesis). Finland: Helsinki University of Technology.
  12. ^ Hauk O، Wakeman DG، Henson R (فبراير 2011). "Comparison of noise-normalized minimum norm estimates for MEG analysis using multiple resolution metrics". NeuroImage. ج. 54 ع. 3: 1966–74. DOI:10.1016/j.neuroimage.2010.09.053. PMC:3018574. PMID:20884360.
  13. ^ Sheltraw D، Coutsias E (2003). "Invertibility of current density from near-field electromagnetic data" (PDF). Journal of Applied Physics. ج. 94 ع. 8: 5307–5315. DOI:10.1063/1.1611262.
  14. ^ BAARS, B. J., & GAGE, N. M. (2010). Cognition, brain, and consciousness: introduction to cognitive neuroscience. Burlington, MA, Academic Press/Elsevier.
  15. ^ Huang MX، Dale AM، Song T، Halgren E، Harrington DL، Podgorny I، Canive JM، Lewis S، Lee RR (يوليو 2006). "Vector-based spatial-temporal minimum L1-norm solution for MEG". NeuroImage. ج. 31 ع. 3: 1025–37. DOI:10.1016/j.neuroimage.2006.01.029. PMID:16542857.
  16. ^ Hämäläinen MS، Ilmoniemi RJ (يناير 1994). "Interpreting magnetic fields of the brain: minimum norm estimates". Medical & Biological Engineering & Computing. ج. 32 ع. 1: 35–42. DOI:10.1007/BF02512476. PMID:8182960.
  17. ^ Molins A، Stufflebeam SM، Brown EN، Hämäläinen MS (سبتمبر 2008). "Quantification of the benefit from integrating MEG and EEG data in minimum l2-norm estimation". NeuroImage. ج. 42 ع. 3: 1069–77. DOI:10.1016/j.neuroimage.2008.05.064. PMID:18602485.
  18. ^ Jung TP، Makeig S، Westerfield M، Townsend J، Courchesne E، Sejnowski TJ (أكتوبر 2000). "Removal of eye activity artifacts from visual event-related potentials in normal and clinical subjects" (PDF). Clinical Neurophysiology. ج. 111 ع. 10: 1745–58. DOI:10.1016/S1388-2457(00)00386-2. PMID:11018488.


مجلوبة من «https://ar.wikipedia.org/w/index.php?title=تخطيط_مغناطيسية_الدماغ&oldid=29063853»