Investigadores encuentran una manera de aumentar la resolución espacial en la visualización de la actividad cerebral

Crédito: CC0 Public Domain

Investigadores del HSE Institute for Cognitive Neuroscience han propuesto un nuevo método para procesar datos de magnetoencefalografía (MEG), que ayuda a encontrar áreas de activación cortical con mayor precisión. El método se puede utilizar tanto en la investigación básica como en la práctica clínica para diagnosticar una amplia gama de trastornos neurológicos y preparar a los pacientes para la cirugía cerebral. El artículo que describe el algoritmo se publicó en la revista NeuroImage.

La magnetoencefalografía (MEG) es un método basado en la medición de campos magnéticos muy débiles (varios órdenes de magnitud más débiles que el campo magnético terrestre) inducidos por la actividad eléctrica del cerebro. Al usar MEG, los investigadores enfrentan la complicada tarea de comprender qué áreas dentro del cerebro estaban activas cuando solo tienen las mediciones de los sensores colocados alrededor de la cabeza. Este problema se denomina ‘problema inverso’ y, fundamentalmente, no tiene una solución universal: cualquier conjunto de mediciones puede explicarse mediante un sinfín de configuraciones diferentes de fuentes de actividad neuronal en la corteza.

Para aplicar MEG Se utilizan métodos matemáticos prácticos y especiales para convertir las señales de los sensores en mapas de actividad cortical. Estos métodos se pueden clasificar en dos grupos. Como parte del llamado enfoque ‘global’, la multitud de posibles soluciones para el problema inverso se reduce en función de las suposiciones generalizadas a priori sobre la actividad cerebral. Bajo estas restricciones, los investigadores buscan una distribución de fuentes en la corteza que explicaría los datos medidos. Los métodos ‘locales’, incluido el algoritmo descrito en el artículo (ReciPSIICOS), tienen como objetivo encontrar fuentes separadas y, solo después de eso, crear una imagen completa de la actividad cerebral.

ReciPSIICOS utiliza formadores de haces adaptativos (BF ) – un método para procesar mediciones de sensores que permite la detección de una señal de actividad de una población neuronal objetivo. Para ello, intenta silenciar las señales de otras fuentes, pero no de todas como se hace en el enfoque ‘global’, sino solo de las que están activas en ese momento. Cuando se suprimen solo las señales activas, este enfoque puede proporcionar una fidelidad considerablemente mayor en la visualización de la actividad en comparación con el enfoque ‘global’. Sin embargo, este método también puede suprimir las señales diana engendradas por conjuntos neuronales activados simultáneamente con poblaciones neuronales en otras áreas del cerebro. En condiciones de la vida real, dicha correlación refleja la interacción entre poblaciones neuronales, que es una propiedad inherente del cerebro, y los investigadores tienen que buscar métodos para superar este obstáculo.

Información sobre poblaciones neuronales activas y la La naturaleza de su interacción está codificada en una matriz de covarianza especial, que se puede calcular en función de los datos del sensor. El algoritmo de formación de haces utiliza esta matriz para decidir cuál de las fuentes debe suprimirse. Estrictamente hablando, este enfoque es aplicable solo cuando las fuentes no interactúan: la información sobre dicha interacción también está contenida en la matriz de correlación e impacta negativamente en el rendimiento del algoritmo de formación de haces. Usando el modelo de datos observados y el modelo de matriz de correlación, los investigadores desarrollaron un algoritmo matemático que puede borrar la información sobre la interacción de las fuentes de la matriz de correlación. De esta forma, ampliaron el rango de aplicabilidad del método beamforming al entorno con fuentes neuronales síncronas y proporcionaron la precisión necesaria en la visualización de poblaciones neuronales que interactúan.

«La tecnología de magnetoencefalografía combina la capacidad de registrar aspectos precisos de la evolución temporal de la actividad neuronal y una fidelidad potencialmente alta en la localización de las poblaciones neuronales activas. La primera característica proviene del registro de la actividad eléctrica que está cambiando significativamente más rápido que las respuestas hemodinámicas explotadas por fMRI, una modalidad popular de imágenes cerebrales funcionales. Para lograr un Se necesitan métodos matemáticos complicados de alta precisión en la localización espacial. La familia de métodos ReciPSIICOS y PSIICOS es un ejemplo de algoritmos matemáticos destinados a aumentar la resolución espacial de la modalidad MEG para detectar poblaciones neuronales activas e interactivas», dijo Alexey Ossadtchi, Ph.D., Director del Centro HSE de Bioe lectric Interfaces, el autor de los nuevos métodos.

Para evaluar el rendimiento del algoritmo, los investigadores primero generaron un conjunto de datos que imita las señales recibidas por los sensores en la vida real y probaron cuatro métodos en él: dos tipos de ReciPSIICOS y dos algoritmos desarrollados previamente (formadores de haz de varianza mínima restringida linealmente (LCMV) y enfoque de estimaciones de norma mínima (MNE)). En situaciones en las que no hay correlación entre las señales, LCMV y ambos métodos ReciPSIICOS funcionan bien, pero cuando hay correlación, ReciPSIICOS maneja la tarea mucho mejor que sus predecesores. Bajo la prueba de estrés para la precisión del modelo directo, los resultados son similares: ReciPSIICOS demostró ser menos sensible a la inexactitud de los modelos utilizados, que son inevitables en la práctica. Los académicos también demostraron la operabilidad y las características de alto rendimiento del nuevo enfoque en varios conjuntos de datos MEG reales caracterizados por la presencia de fuentes neuronales sincrónicas que no pudieron ser procesadas adecuadamente por el algoritmo clásico de formación de haces.

Explore más

Una nueva investigación facilita la identificación de la actividad cerebral en los estudios de EEG Más información: Aleksandra Kuznetsova et al, Formador de haz de covarianza modificado para resolver el problema inverso de MEG en el medio ambiente con fuentes correlacionadas , Neuroimagen (2020). DOI: 10.1016/j.neuroimage.2020.117677 Información de la revista: NeuroImage

Proporcionado por la Escuela Superior de Economía de la Universidad Nacional de Investigación Cita: Los investigadores encuentran una manera de aumentar la resolución espacial en visualización de actividad cerebral (2021, 5 de febrero) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/news/2021-02-spatial-solution-brain-visualization.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.