研究人员发现了一种提高大脑活动可视化空间分辨率的方法

HSE认知神经科学研究所(HSE Institute for Cognitive Neuroscience)的研究人员提出了一种处理脑磁图(MEG)数据的新方法，这有助于更精确地发现大脑皮层激活区域。该方法可用于基础研究和临床实践，以诊断广泛的神经系统疾病，并为患者的脑部手术做好准备。描述该算法的论文发表在该杂志上科学杂志。

脑磁图(MEG)是一种基于测量由大脑电活动引起的非常弱的磁场(比地球磁场弱几个数量级)的方法。当使用脑磁图时，研究人员面临着一个复杂的任务，即当他们只有放置在头部周围的传感器的测量值时，要了解大脑内部哪些区域是活跃的。这个问题被称为“逆问题”，从根本上说没有通用的解决方案:任何一组测量结果都可以用大脑皮层上无数种不同的神经活动源的配置来解释。

为了使脑磁图的应用切实可行，我们使用特殊的数学方法将传感器信号转换为皮质活动图。这些方法可以分为两类。作为所谓的“全局”方法的一部分，逆问题的众多可能的解决方案是基于对大脑活动的广义先验假设而缩小的。在这些限制条件下，研究人员在大脑皮层中寻找能够解释测量数据的来源分布。'local'方法，包括算法在论文（recipsiico）中描述，旨在找到单独的来源，并且仅在此之后，创建大脑活动的完整形象。

Recipsiicos使用自适应波束形成器（BF） - 一种处理传感器测量的方法，允许检测目标神经元群的活动信号。为此目的，它试图将来自其他来源的信号静音，但不是在“全局”方法中所做的所有信号，而是只有目前处于活动状态的所有信号。当抑制活动信号时，与“全局”方法相比，这种方法能够在活动可视化中提供相当高的保真度。然而，该方法还可以抑制由神经元合并的目标信号同时激活其他脑区域中的神经元群。在现实生活条件下，这种相关性反映了神经元种群之间的相互作用，这是大脑的固有性质，研究人员必须寻找克服这种障碍的方法。

有关主动神经元群的信息及其交互性质在特殊的协方差矩阵中编码，可以基于传感器数据计算。波束成形算法使用该矩阵来确定应抑制哪个源。严格来说，这种方法仅适用于源不交互：有关这种交互的信息也包含在相关矩阵中，并对波束成形算法性能产生负面影响。使用观察到的数据模型和相关矩阵模型，研究人员开发了一种能够擦除关于来自相关矩阵的源的信息的信息的数学算法。这种方式，它们将波束形成方法的适用范围扩展到具有同步神经元源的环境，并在相互作用的神经元群体的可视化方面提供了必要的精度。

“磁力摄影技术结合了神经元活动中的时间演变的精确方​​面的能力和定位活性神经元群体的潜在高保真度。第一特征来自电气活动的登记，这些活动变化明显快于FMRI利用的血流动力学响应更快，一种流行的功能性脑成像模态。为了在空间定位中实现高精度，需要复杂的数学方法。recipsiico和PSIICOS方法的一个例子是旨在增加MEG模态的空间分辨率检测有源和相互作用的神经元种群的数学算法的一个例子，“Elexey Ossadtchi，Ph.D.的生物电界面主任，”生物电界面的主任“，”新方法的作者“。

为了评估算法性能，研究人员首先生成了一个数据集，模拟传感器在现实生活中接收到的信号，并在其上测试了四种方法:两种类型的ReciPSIICOS和两种先前开发的算法(线性约束最小方差(LCMV)波束形成器，和最小范数估计(MNE)方法)。在信号之间没有相关性的情况下，LCMV和两种ReciPSIICOS方法都工作得很好，但当存在相关性时，ReciPSIICOS处理任务比它的前一种方法要好得多。下压力测试对于前向建模精度，结果类似：recipsiico被证明对所用模型的不准确性不太敏感，这在实践中是不可避免的。学者还在几个真实MEG数据集中展示了新方法的可操作性和高性能特征，其特征在于存在同步神经元源的存在，这不能通过经典波束形成算法充分处理。

---

---