Сотрудники Института когнитивных нейронаук НИУ ВШЭ разработали алгоритм для обработки данных магнитоэнцефалографии, позволяющий с большей точностью находить зоны активации коры головного мозга. Технологию можно будет использовать как в фундаментальных исследованиях, так и в клинической практике для диагностики неврологических расстройств и подготовки пациентов к операциям. Статья опубликована в журнале NeuroImage.
«Технология магнитоэнцефалографии сочетает в себе способность регистрировать тонкие аспекты временной динамики нейрональной активности и потенциально достижимую точность локализации активных популяций нейронов. В то время как первое свойство обусловлено измерением быстропротекающих электрических (а не медленных гемодинамических) процессов, для достижения высокой точности локализации необходимы сложные математические методы. Семейство методов ReciPSIICOS и PSIICOS представляет собой один из примеров математических алгоритмов, предназначенных для повышения точности метода магнитоэнцефалографии при решении задач обнаружения активных и взаимодействующих между собой нейронных популяций», — рассказал руководитель работы Алексей Осадчий.
Метод магнитоэнцефалографии (МЭГ) основан на измерении слабых магнитных полей, вызванных электрической активностью нейронов мозга. При этом необходимо находить активные области в глубине мозга лишь по показаниям датчиков, расположенных вокруг головы. Эта задача не имеет универсального решения. Математические методы позволяют превращать сигналы сенсоров в карты активности на коре головного мозга. В «глобальных» методах ищется такое распределение источников по коре мозга, которое бы подходило под измеренные данные. «Локальные» методы, к которым относится и предложенный авторами алгоритм ReciPSIICOS, пытаются обнаружить источники по отдельности, и из них построить полную картину активности мозга.
ReciPSIICOS обрабатывает показатели сенсоров, выделяя сигнал активности искомой популяции нейронов источника. Для этого он приглушает сигналы тех источников, которые активны в данный момент. За счет такого подхода осуществляется высокая детальность визуализации. Однако этот метод может ослаблять и искомые сигналы, если они порождаются нейронными ансамблями, активирующимися одновременно с группами нейронов в других областях мозга. В реальных условиях такая корреляция отражает взаимодействие между нейронными популяциями.
Информация об активных нейронных популяциях и характере взаимодействия скрыта в корреляционной матрице, которую можно рассчитать из исходных данных. Эта матрица и используется алгоритмом формирования луча, чтобы решить, какие из источников стоит подавить. Подход работает только тогда, когда источники между собой не взаимодействуют: информация о наличии такого взаимодействия также хранится в корреляционной матрице и негативно сказывается на качестве работы алгоритма формирования луча. Используя модель наблюдаемых данных и модель корреляционной матрицы, ученые разработали математический алгоритм, который способен удалять из корреляционной матрицы информацию о взаимодействии источников. Таким образом удалось вернуть работоспособность методу формирования луча и обеспечить необходимую детальность визуализации взаимодействующих нейронных популяций.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
