利用非线性优化方法进行脑磁源定位

脑磁图 (Magnetoencephalography ,MEG)用于人脑的诱发神经活动的成像 ,具有很好的时间分辨率 ,能无损地监测脑神经活动。本文探讨了脑磁的基本理论 ,中心问题是根据头外测得的磁场数据来进行脑磁源的定位 ,此逆问题属于不定问题 ,需加一些限制以期得到合理的解。本文的源模型和头模型采用均匀球头导体中的单电流偶极子模型 ,利用非线性优化方法反演脑磁源参数 ,并采用了一种综合的非线性优化法来提高反演的精度和速度。仿真实验表明该方法是可行有效的。

基于正则化方法的加权最小模估计在脑磁源成像中的应用

脑磁图 ( m agnetoencephalography,MEG)逆问题的研究 ,根据点源和分布源两种源模型 ,可分为偶极子定位和磁源成像两大类求逆方法。采用非参数的分布源模型 ,MEG逆问题转化为一个病态的欠定方程组的求解。本文系统地阐述了结合 Tikhonov正则技术的加权最小模磁源重建方法 ,着重介绍了深度归一化算法、低分辨率脑电磁断层成像技术、局部欠定系统解法、选择性最小模方法 ,此外还从广义的加权最小模估计角度对最大熵重建方法 ,融合其它脑功能成像技术的方法以及最大后验概率估计方法加以解释和分析。不同的磁源成像方法目的都是通过引入合适的约束条件 ,从算法公式本身及神经细胞活动的特性中加以修正 ,减少逆问题的不适定程度 ,因此均可认为是使用正则方法来约束解空间 ,从而获得与测量磁场数据相拟合的并具有神经生理学和解剖学意义下的最合理的解。基于正则化技术的加权最小模估计是 MEG逆问题研究中最早开展、并已被广泛应用的磁源分布图像重建方法 。

脑磁源成像技术的研究进展

基于分布源模型的脑磁源成像 (neuromagnetic source im aging)技术构架在图像重建基础上重建脑内神经活动的电流源分布图像 ,是 MEG逆问题中一个非常活跃和开放的研究方向。本文较为系统地论述了磁源成像的发展过程 ,并对目前一些常用的具体重建方法进行了介绍和分析。由于脑磁逆问题的不定性 ,必须引人正则方法来转化为适定问题 ,文中从确定性和随机性两大正则理论框架的角度来阐述各种重建方法。

基于最小模估计及Tikhonov正则方法的脑磁源重建

脑磁图 (magnetoencephalogram,MEG)研究中的磁源分布图象重建 ,属于不适定问题 ,需要引入合适的先验约束 ,把它转化为适定问题。采用非参数的分布源模型 ,磁源成象问题即为求解一病态的欠定的线性方程组。这里采用的方法是建立在最小模估计和Tikhonov正则的基础上 ,从数学算法本身及相关的解剖学和神经生理学的信息 ,对解空间加以限制 ,提出了区域加权算子 ,再结合深度加权 ,以期得到合理的神经电流分布。通过仿真实验表明能得出理想的重建结果 。

脑磁源成像中的正则理论

从一个相对完整的正则理论角度对现有的各重建算法进行分析 ,把它们归属在确定性和随机性正则两大类中。脑内磁源成像中的正则理论 ,就是通过合理的神经活动特性的相关先验约束 ,以求得唯一的合理的鲁棒解。文中着重讨论了基于Tikhonov正则的最小模和基于Markov随机场模型的Bayesian的重建方法。最后 。

基于奇异值分解和最小L2范数解的动态脑磁源重建

脑内神经信号的动态传递过程在临床脑疾病诊断和认知科学中得到了越来越多的重视和研究。为求解动态脑磁逆问题,本文提出通过时域子空间求解动态脑磁L2范数解的方法并验证其可行性。具体地,对脑磁测量信号进行奇异值分解,通过右奇异向量矩阵构造源信号的时域子空间,将测量信号和待求源信号投影到时域空间进行求逆,然后将解反投影到解空间重建出动态脑磁源信号。与施加时域约束的双正则化方法相比,本文方法计算量大大降低,不同噪声水平下本文方法的均方误差都小于双正则化方法,而且重建出的源信号与仿真信号吻合更佳,信噪比更高。

真实头模型中的多电流偶极子脑磁源定位

给出了真实头模型下多电流偶极子定位的通用公式 ,并对多种源的情况进行了计算机模拟 ,逆问题的求解采用全局优化与局域优化相结合的优化方法 ,在较强的噪声背景下得到了较好的定位结果 .其中 ,在偶极子源较少时 ,采用了球对称导体模型与真实头模型相结合的混合模型 。

基于Markov随机场和Bayesian理论的脑内磁源重建

1引言 基于脑磁图MEG的脑磁源成像,又可称电流密度重建或磁源分布图像重建,是一种新的检测神经电流活动特性的图像重构技术.它不是一个普通问题,而是跟诸如计算机视觉、地球物理等这些问题一样,是不定的或至少是病态的,从而推翻了当年Hadamard等人的认为不存在实际不定问题的论断.

脑磁图累积源成像在药物难治性颞叶癫痫术前评估中的应用

目的探讨脑磁图累积源成像(MEG)在难治性颞叶癫痫术前评估中的应用价值。方法回归分析法2006年1月至2018年1月手术治疗的11例难治性颞叶癫痫临床资料。使用MRI、长程视频脑电图、MEG以及颅内电极脑电图(IEEG)帮助定位致痫灶并制定手术方案,术后随访1年,按Engel分级评估疗效。结果MRI无明显异常5例;异常6例,其中2例与手术侧一致。11例IEEG均有异常,其中9例与手术侧一致。11例MEG均有异常,9例与手术侧一致,主要集中在4~30 Hz;MEG与IEEG一致7例。11例中,9例有效,2例无效;其中Engel分级Ⅰ级6例,Ⅱ级1例,Ⅲ级2例,Ⅳ级2例。结论MEG分析能为难治性颞叶癫痫术前评估提供重要信息,帮助识别致痫灶和潜在癫痫网络。

一种用于MEG源定位的混沌优化算法

根据头皮监测的脑磁图数据定位脑磁图源的信息是脑功能研究和临床上诊断脑部疾病的关键技术.文章提出了一种适用于MEG源定位的基于Tent映射的混沌优化算法.该算法利用混沌运动遍历性的特点,估计目标函数的全局最大值,实现脑磁图源定位;仿真结果表明:该方法可实现多个脑磁图源的定位,定位速度快、可避免陷入局部寻优的缺陷,而且能够达到利用脑电信号进行监测的设备所要求的定位精度.

利用脑磁图-多重信号分类算法求解真实头模型中磁源定位问题

脑磁图 多重信号分类 (MEG MUSIC)算法与常见的利用时域空域数据定位多偶极子源的全局优化方法相比 ,具有求解速度快、独立确定各偶极子源的位置、求解难度与偶极子数量无关等优点 ,在偶极子数量较多的情况下 ,MEG MUSIC算法的优势显得更为突出 .利用MEG

脑磁图神经活动源数目的估计

在脑磁图信号的分析中,正确估计出脑磁图神经活动源的数目是进一步分析脑磁图信号的前提。目前广泛采用的信息论方法和主成分分析方法都是根据特征值来确定源的数目,这两种方法在源数目较多、噪声较强的情况下,会导致误判。该文提出了一种噪声调节自动阈值的脑磁图源数目判断方法,利用基于噪声调节的主成分分析并结合聂曼-皮尔逊准则对脑磁图源数目进行估计。同时,该方法采用了基于小波的噪声方差估计,实现了脑磁图信号中噪声方差的精确估计。通过对基于信息论方法、主成分分析方法以及该文所提议方法的实验结果的比较,表明该文所提议方法能更准确地估计脑磁图源数目,特别是在源数目较多、信噪比较小的情况下,仍能准确地估计脑磁图源数目,具有较大的实际意义。