Localização Aprimorada da Atividade Cortical Combinando EEG e MEG com Reconstrução de Superfície Cortical por MRI: Uma Abordagem Linear

Resumo: Descrevemos uma abordagem linear abrangente para o problema de imagens da atividade cerebral com alta resolução temporal e espacial, baseada na combinação de dados de EEG e MEG com restrições anatômicas derivadas de imagens de MRI. O "problema inverso" de estimar a distribuição das forças dipolares sobre a superfície cortical é altamente subdeterminada, mesmo com gravações de EEG e MEG próximas. Obtivemos soluções muito melhores para este problema ao incorporar explicitamente tanto a orientação cortical local quanto a covariância espacial de fontes e sensores em nossa formulação. Um modelo poligonal explícito do manifold cortical é primeiro construído da seguinte forma: (1) os dados de cortes em três planos ortogonais de seção (voxels em forma de agulha) são combinados com uma técnica linear de desconvolução para criar uma única imagem 3D de alta resolução (voxels cúbicos), (2) a imagem é preenchida recursivamente para determinar a topologia da borda entre a substância cinza e a substância branca, e (3) a superfície contínua resultante é refinada relaxando-a em relação à imagem original 3D em escala de cinza utilizando um método de template deformável, que também é usado para achatar computacionalmente o córtex para uma visualização mais fácil. A solução explícita para uma formulação de minimização de erro de um operador linear inverso ótimo (para um determinado manifold cortical, colocação de sensores, ruído e covariância de fonte anterior) resulta em uma expressão compacta que é praticamente computável para centenas de sensores e milhares de fontes. A solução inversa pode então ser ponderada para um evento particular (média) utilizando a covariância do sensor para aquele evento. Estudos de modelo sugerem que podemos ser capazes de localizar múltiplas fontes corticais com resolução espacial tão boa quanto PET com esta técnica, ao mesmo tempo em que mantemos uma imagem muito mais refinada da atividade ao longo do tempo.