en
Назад
DOI: 10.17586/1023-5086-2025-92-11-88-98
УДК: 612.82, 004.94
Разработка методики повышения разрешения нейровизуализации на основе решения обратной задачи электроэнцефалографии
Жданов А.Ю., Рыжова В.А., Коротаев В.В. Разработка методики повышения разрешения нейровизуализации на основе решения обратной задачи электроэнцефалографии // Оптический журнал. 2025. Т. 92. № 11. С. 88–98. http://doi.org/10.17586/1023-5086-2025-92-11-88-98
Zhdanov A.Y., Ryzhova V.A., Korotaev V.V. Development of a method for increasing the resolution of neuroimaging based on solving the inverse problem of electroencephalography [in Russian] // Opticheskii Zhurnal. 2025. V. 92. № 11. P. 88–98. http://doi.org/10.17586/1023-5086-2025-92-11-88-98
Предмет исследования. Пространственное разрешение функционального изображения, полученного на основе решения обратной задачи электроэнцефалографии. Цель работы. Разработка методики повышения пространственного разрешения функционального изображения и оптимизация выбора алгоритма формирования функционального изображения с использованием метрик статистического анализа распределений нейронной активности. Метод. Моделирование решения обратной задачи электроэнцефалографии выполнено с использованием библиотеки MNE-python языка Python. Разработан дизайн вычислительного эксперимента с использованием данных электроэнцефалографии и функциональной магнитно-резонансной томографии для верификации разработанной методики. Основные результаты. Разработана методика интеграции пространственной фильтрации в алгоритмы нейровизуализации, которая позволяет вдвое повысить пространственное разрешение функционального изображения, используя при этом только функциональные данные электроэнцефалографии. Предложена метрика оценки пространственного разрешения метода нейровизуализации, которая позволяет однозначно выбрать алгоритм обработки функционального изображения. Практическая значимость. Методика пространственной фильтрации функционального изображения позволяет различать источники электрофизиологических сигналов в пределах воксела со стороной 20 мм. Разработанный критерий оценки качества функционального изображения позволяет осуществить выбор оптимального алгоритма обработки изображения для конкретной прикладной задачи.
обратная задача, нейровизуализация, пространственное разрешение, фильтрация, функциональное изображение
Благодарность:работа поддержана средствами федерального бюджета в рамках государственного задания ФГБУН Институт физиологии им. И.П. Павлова РАН (№ 1021062411653-4-3.1.8).
Коды OCIS: 170.0170, 110.0110, 330.0330
Список источников:1. Varone G., Boulila W., Driss M., et al. Finger pinching and imagination classification: A fusion of CNN architectures for IoMT-enabled BCI applications // Information Fusion. 2024. V. 101. Article 102006. https://doi.org/10.1016/j.inffus.2023.102006
2. Angrick M., Luo S., Rabbani Q., et al. Online speech synthesis using a chronically implanted brain-computer interface in an individual with ALS // Sci. Rep. 2024. 14. Article 9617. https://doi.org/10.1038/s41598-024-60277-2
3. Hu H., Wang Z., Zhao X., et al. A survey on brain-computer interface-inspired communications: Opportunities and challenges // IEEE Commun. Surveys & Tutorials. 2025. Feb. V. 27. Iss. 1. P. 108–139. https://doi.org/10.1109/COMST.2024.3396847
4. Awuah W.A., Ahluwalia A., Darko K., et al. Bridging minds and machines: The recent advances of brain-computer interfaces in neurological and neurosurgical applications // World Neurosurgery. 2024. Sep. V. 189. P. 138–153. https://doi.org/10.1016/j.wneu.2024.05.104
5. Gulyaev S.A. EEG microstate analysis and the eeg inverse problem solution as a tool for diagnosing cognitive dysfunctions in individuals who have had a mild form of COVID-19 // Human Physiology. 2022. V. 48. P. 587–597. https://doi.org/10.1134/S0362119722600217
6. Khosravi M., Bahrami F., Moshiri B., et al. Solving the inverse problem for EEG signals when learning a new motor task using GRU neural network // 31st Intern. Conf. Electrical Engineering (ICEE). 2023. P. 910–914. https://doi.org/10.1109/ICEE59167.2023.10334704
7. Wei H., Jafarian A., Zeidman P., et al. Bayesian fusion and multimodal DCM for EEG and fMRI // NeuroImage. 2020. May. V. 211. Article 116595. https://doi.org/10.1016/j.neuroimage.2020.116595
8. Marino M., Mantini D. Human brain imaging with high-density electroencephalography: Techniques and applications // J. Physiol. 2024. Aug. https://doi.org/10.1113/JP286639
9. Samuelsson J.G., Peled N., Mamashli F., et al. Spatial fidelity of MEG/EEG source estimates: A general evaluation approach // Neuroimage. 2021. Jan. 1. V. 224. Article 117430. https://doi.org/10.1016/j.neuroimage.2020.117430
10. Engl H.W., Groetsch C.W. (ed.). Inverse and Ill-posed Problems. Academic Press, 1987. V. 4. P. 567
11. Hämäläinen M.S., Ilmoniemi R.J. Interpreting magnetic fields of the brain: Minimum norm estimates // Med. Biol. Eng. Comput. 1994. Jan. V. 32(1). P. 35–42. https://doi.org/10.1007/BF02512476
12. Zhdanov A.Y., Ryzhova V.A., Kravtsov P.A., et al. Research of the influence of linearly constrained spatial filtering on the spatial resolution of an EEG-based neuroimaging method for BCI usage // XXXIII Intern. Sci. Conf. Electronics (ET). Sozopol, Bulgaria. 2024. P. 1–4. https://doi.org/10.1109/ET63133.2024.10721564
13. Dale A.M., Liu A.K., Fischl B.R., et al. Dynamic statistical parametric mapping: Combining fMRI and MEG for high-resolution imaging of cortical activity // Neuron. 2000. Apr. V. 26(1). P. 55–67. https://doi.org/10.1016/s0896-6273(00)81138-1
14. Pascual-Marqui R.D. Standardized low-resolution brain electromagnetic tomography (sLORETA): Technical details // Methods Find. Exp. Clin. Pharmacol. 2002. V. 24. URL: https://pubmed.ncbi.nlm.nih.gov/12575463/
15. Hauk O., Stenroos M., Treder M.S. Towards an objective evaluation of EEG/MEG source estimation methods — The linear approach // Neuroimage. 2022. Jul. V. 255. Article 119177. https://doi.org/10.1016/j.neuroimage.2022.119177
16. Larson E., Gramfort A., Engemann D.A., et al. MNE-Python // Zenodo. Jan. 2024. Version v1.6.1. https://doi.org/10.5281/zenodo.10519948