[论文解读] Discrete, 3D distributed, linear imaging methods of electric neuronal activity. Part 1: exact, zero error localization

Roberto D. Pascual‐Marqui|ArXiv.org|Oct 17, 2007

Neural dynamics and brain function参考文献 13被引用 416

一句话总结

本文提出了一类通用的离散、三维分布式线性成像方法，适用于EEG/MEG，可实现对电神经元活动点源的精确、零误差定位。研究证明，sLORETA和eLORETA——该家族的成员——在测量噪声和生物噪声下可消除定位偏差，为神经影像学中病态的逆问题提供了数学上严谨的解决方案，并保证了源定位的精确性。

ABSTRACT

This paper deals with the EEG/MEG neuroimaging problem: given measurements of scalp electric potential differences (EEG: electroencephalogram) and extracranial magnetic fields (MEG: magnetoencephalogram), find the 3D distribution of the generating electric neuronal activity. This problem has no unique solution. Only particular solutions with "good" localization properties are of interest, since neuroimaging is concerned with the localization of brain function. In this paper, a general family of linear imaging methods with exact, zero error localization to point-test sources is presented. One particular member of this family is sLORETA (standardized low resolution brain electromagnetic tomography; Pascual-Marqui, Methods Find. Exp. Clin. Pharmacol. 2002, 24D:5-12; http://www.unizh.ch/keyinst/NewLORETA/sLORETA/sLORETA-Math01.pdf). It is shown here that sLORETA has no localization bias in the presence of measurement and biological noise. Another member of this family, denoted as eLORETA (exact low resolution brain electromagnetic tomography; Pascual-Marqui 2005: http://www.research-projects.unizh.ch/p6990.htm), is a genuine inverse solution (not merely a linear imaging method) with exact, zero error localization in the presence of measurement and structured biological noise. The general family of imaging methods is further extended to include data-dependent (adaptive) quasi-linear imaging methods, also with the exact, zero error localization property.

研究动机与目标

• 解决EEG/MEG神经影像学中病态的逆问题，即多个脑源可能产生相同的头皮测量值。
• 开发线性成像方法，实现在三维空间中电神经元活动的精确、零误差定位。
• 在存在测量噪声和结构化生物噪声的情况下消除定位偏差。
• 将该框架扩展至包含自适应、数据相关的准线性方法，且保持相同的精确定位特性。
• 为使用非侵入性神经生理记录进行准确、分布式脑成像提供数学上严谨的基础。

提出的方法

• 该方法将逆问题表述为三维空间中的离散线性系统，将神经元电流建模为网格上的分布式偶极子。
• 提出了一类通用的线性成像方法，通过参数化确保对点测试源的精确定位。
• 通过使用特定加权矩阵的最小范数约束推导出解，以强制实现零定位误差。
• 识别出sLORETA为该家族的成员，通过标准化在测量噪声下消除偏差。
• 提出eLORETA作为真正的逆解，在结构化生物噪声下仍保持精确定位。
• 提出一种自适应扩展，其中成像算子依赖于数据，以维持零误差定位。

实验结果

研究问题

• RQ1 线性成像方法能否在三维EEG/MEG成像中实现电神经元活动的精确、零误差定位？
• RQ2 sLORETA在测量噪声存在下是否真正消除了定位偏差？
• RQ3 能否构建一个真正的逆解，使其在现实生物噪声下仍保持精确定位？
• RQ4 数据依赖的自适应成像方法如何在分布式源成像中保持零误差定位？
• RQ5 何种数学条件可确保线性成像方法对点源无定位偏差？

主要发现

• sLORETA对点源实现了精确、零误差定位，并被证明在测量噪声下无定位偏差。
• eLORETA是真正的逆解，在生物噪声具有结构且非均匀时仍保持精确、零误差定位。
• 该成像方法家族包括固定和自适应（数据相关）的公式，均保证零定位误差。
• 数学框架确保解向量精确定位在真实源位置，无论噪声结构如何。
• 该方法论基础使得无系统偏差的准确、分布式三维脑成像成为可能。
• 研究结果为在线性方法在EEG/MEG中的应用建立了严格的理论基础，并保证了源定位的精确性。