Исследователи Сколтеха предложили метод интерпретации данных мозговой активности, который оказался в пять раз точнее, чем традиционно используемый метод, в тех случаях, когда данные МРТ содержали артефакты или была доступна только модель головы с низким разрешением. Как сообщается в IEEE Transactions on Medical Imaging, результаты могут быть использованы для лечения лекарственно-устойчивой эпилепсии и понимания когнитивных процессов в здоровом мозге, в том числе того, как он реагирует на визуальные стимулы и записывает новые слова.
Картирование мозговой активности – стандартный способ определить, какие части мозга задействованы в конкретной когнитивной задаче, например, получают сенсорную информацию от тыкания пальцем в кошку, или вовлечены в патологические процессы, такие как эпилептические припадки или нарушения сна. Активность мозга обычно регистрируется с помощью электро- или магнитоэнцефалографии, сокращенно ЭЭГ и МЭГ соответственно. Первый метод заключается в размещении набора электродов на поверхности кожи головы для измерения локальных электрических потенциалов. Во втором используются датчики для регистрации магнитного поля, а не потенциалов, но обе меры являются прокси для обнаружения и локализации электрических токов в мозгу.
"ЭЭГ существует около 100 лет, и некоторые виды нейронной активности очень хорошо изучены," ведущий автор исследования, старший научный сотрудник Сколтеха Николай Явич объяснил. "Например, опытному врачу довольно легко изучить нарушение сна, прочитав необработанные данные ЭЭГ. Остальные случаи посложнее. Чтобы точно определить точки в мозгу пациента, ответственные за эпилептические припадки, данные ЭЭГ или МЭГ комбинируются с МРТ высокого разрешения, моделирующими голову пациента, и обрабатываются с помощью передовых компьютерных алгоритмов. При условии, что проблемная область точно локализована, ее можно прооперировать без повреждения окружающих тканей, чтобы помочь пациенту с эпилепсией, когда лекарства не действуют."
Однако МРТ, используемые вместе с картами активности мозга, не всегда идеальны. Они часто искажаются шумом и другими артефактами изображения. Это приводит к неточностям сегментации изображения. По словам исследователей Сколтеха, участвовавших в исследовании, их методика гораздо менее чувствительна к таким недостаткам данных.
"Мы обнаружили, что при моделировании нейронной активности на моделях головы с низким разрешением наш метод был в пять раз точнее, чем традиционный подход. Хотя он также требует более высокой вычислительной нагрузки, преимущества, кажется, оправдывают его применение," Явич прокомментировал.
Это означает, что метод может помочь когнитивистам, неврологам и нейрохирургам, работающим с не совсем точными данными, понять неврологическую основу основных заболеваний, таких как эпилепсия, синдром дефицита внимания и аутизм, а также здоровые когнитивные процессы, связанные с памятью, чувственным восприятием. восприятие, движения и многое другое.
Метод, используемый исследователями, называется смешанно-гибридным методом конечных элементов или MHFEM. Его точность сравнивалась с традиционным методом узловых конечных элементов, сокращенно P1 FEM. Целью обоих методов интерпретации данных ЭЭГ и МЭГ является решение уравнений, составляющих так называемую прямую задачу. Методы отличаются тем, что нейронные токи, вычисленные с помощью MHFEM, всегда являются физическими, поскольку они удовлетворяют закону сохранения заряда, в то время как P1 FEM не обладает этим свойством.