نگاشت الکترومغناطیسی مغز
در 15 سال اخیر ما شاهد پیشرفت های بسیار گسترده در توانایی خودمان برای تولید کردن تصاویر از عملکرد مغزی انسان بوده ایم. کاربرد های تصویر برداری های عملکردی از مغز موجب میشود که درک ما از مکانیزم های مبنایی در روند های شناختی بهتر شده و همچنین بتوانیم آسیب شناسی هایی که موجب نقص عملکرد عادی مغز میشود را هم شناسایی کنیم. مگنتو انسفالوگرافی (MEG) و الکتروانسفالوگرافی (EEG) ، فعالیت های الکتریکی عصبی را با استفاده از اندازه گیری سیگنال های الکتریکی مغز با استفاده از الکترود های خارجی غیر تهاجمی، شناسایی میکنند. در میان تکنیک های تصویر برداری عملکردی موجود، MEG و EEG به صورت خاص، تفکیک های زمانی کمتر از 100 ms دارند. این دقت زمانی بالا به ما این امکان را میدهد تا زمان بندی روند های عصبی اصلی را در سطح ساز و کار سلولی، شناسایی کنیم. شناسایی منابع MEG/EEG گستره ی عظیمی از پردازش های سیگنال را طلب میکند، از جمله فیلتر کردن سیگنال های دیجیتال، پردازش سیگنال، تحلیل تصاویر سه بعدی، پردازش آرایه سیگنال، مدل سازی تصاویر و بازسازی آن ها، و اخیرا، تفکیک منابع به صورت تفکیک منابع بی نام و تخمین های همسان سازی فاز . در این مقاله ما مدل های زیر لایه ای که در حال حاضر در تخمین منابع MEG/EEG مورد استفاده قرار میگیرد را بررسی کرده و گام های پردازش سیگنال مختلف مورد نیاز برای محاسبه ی این منابع را توصیف میکنیم. به صورت خاص، ما روش های مناسب برای محاسبه کردن میدان های مستقیم برای توزیع منابع شناخته شده و پارامتری و روش های مبتنی بر تصویر برداری برای مسائل معکوس را توصیف میکنیم.
مقدمه
تصویر برداری عملکردی مغز یکی از زمینه های تحقیقاتی جدید و میان رشته ای است که شامل تکنیک هایی میشود که برای درک بهتر مغز انسان از طریق تصویر برداری های غیر تهاجمی از روند های الکتروفیزیولوژی، همودینامیک، متابولیک و نوروشیمیایی مورد استفاده قرار میگیرد و عملکرد های نرمال و آسیب خورده ی مغزی را مورد بررسی قرار میدهد. این تکنیک های تصویر برداری ابزاری قوی برای مطالعه کردن روند های عصبی در مغز با عملکرد عادی هستند. کاربرد های بالینی نیز شامل درک و درمان بهتر مشکلات عصبی و فیزیولوژیک مغزی مانند صرع، اسکیزوفرنی، افسردگی و پارکینسون و آلزایمر میباشد.
The past 15 years have seen tremendous advances in our ability to produce images of human brain function. Applications of functional brain imaging extend from improving our understanding of the basic mechanisms of cognitive processes to better characterization of pathologies that impair normal function. Magnetoencephalography (MEG) and electroencephalography (EEG) (MEG/EEG) localize neural electrical activity using noninvasive measurements of external electromagnetic signals. Among the available functional imaging techniques, MEG and EEG uniquely have temporal resolutions below 100 ms. This temporal precision allows us to explore the timing of basic neural processes at the level of cell assemblies. MEG/EEG source localization draws on a wide range of signal processing techniques including digital filtering, three-dimensional image analysis, array signal processing, image modeling and reconstruction, and, more recently, blind source separation and phase synchrony estimation. In this article we describe the underlying models currently used in MEG/EEG source estimation and describe the various signal processing steps required to compute these sources. In particular we describe methods for computing the forward fields for known source distributions and parametric and imaging-based approaches to the inverse problem.
Introduction
Functional brain imaging is a relatively new and multidisciplinary research field that encompasses techniques devoted to a better understanding of the human brain through noninvasive imaging of the electrophysiological, hemodynamic, metabolic, and neurochemical processes that underlie normal and pathological brain function. These imaging techniques are powerful tools for studying neural processes in the normal working brain. Clinical applications include improved understanding and treatment of serious neurological and neuropsychological disorders such as intractable epilepsy, schizophrenia, depression, and Parkinson’s and Alzheimer’s diseases.
مقدمه
منابع سیگنال های الکتروفیزیولوژیک EEG و MEG
اندازه گیری سیگنال های EEG و MEG
الکتروانسفالوگرافی
مگنتوانسفالوگرافی
فیزیک MEG و EEG : منابع و مدل های مورد استفاده برای سر
تخمین های نیمه استاتیک از معادله های ماکسول
مدل منبع : دو قطبی ها و چند قطبی ها
مدل های سر
مدل کروی سر
مدل های واقعی سر
فرمول بندی های جبری
فعالیت های الکتریکی در مغز : مسئله ی معکوس
مدل سازی های پارامتری
تخمین منبع با کمترین مربعات
روش های شکل دهی پرتو
از روش های کلاسیک به روش های RAP-MUSIC
روش های تصویر برداری
مدل های منابع توزیع شده به صورت قشری
فرمولاسیون بیزی مسئله ی معکوس
روش های تصویر برداری خطی
احتمال های مقدم غیر گاوسی
محدودیت های روش های تصویر برداری و جایگزین های ترکیبی
موضوعات نوظهور در زمینه ی پردازش سیگنال
ترکیب fMRI و MEG/EEG
رفع نویز از سیگنال و تفکیک منابع بی نام
جمع بندی و دیدگاه های آتی
Introduction
Sources of EEG and MEG: Electrophysiological Basis
Measuring EEG and MEG signals
Electroencephalography
Magnetoencephalography
The Physics of MEG and EEG: Source and Head Models
Quasi-Static Approximation of Maxwell Equations
Source Models: Dipoles and Multipoles
Head Models
Spherical Head Models
Realistic Head Models
Algebraic Formulation
Imaging Electrical Activity in the Brain: The Inverse Problem
Parametric Modeling
Least-Squares Source Estimation
Beamforming Approache
Imaging Approaches
Cortically Distributed Source Models
Bayesian Formulation of the Inverse Problem
Non-Gaussian Priors
Emerging Signal Processing Issues Combining fMRI and MEG/EEG
Signal Denoising and Blind Source Separation
Conclusion and Perspectives
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه