شکل دهنده پرتو تمام وفقی سریع بهبود یافته برای مکان یابی فعالیت های کوتاه مدت مغزی

در مکان یابی فعالیت مغز از روی سیگنال EEG یا MEG، روش­های مبتنی بر شکل­دهنده پرتوی وفقی کمینه واریانس، به دلیل رزولوشن بالا، کاربرد گسترده­ای دارند. متاسفانه، این روش­ها به دلیل استفاده از وارون ماتریس کوواریانس داده، اغلب زمانی که تعداد لحظات نمونه­برداری در مقایسه با تعداد گیرنده­ها کم است، با شکست مواجه می­شوند. این اتفاق، به خصوص برای داده­های حاصل از پتانسیل­های برانگیخته رخ می دهد. برای حل مشکل، روشی به نام تمام وفقی سریع (FFA) پیشنهاد شد، که یک روش چند مرحله­ای وفقی با الهام از ساختار پروانه­ای تبدیل فوریه (FFT) بوده و تعداد نمونه­های لازم برای مکان­یابی را به مقدار قابل توجهی کاهش می­دهد. از سوی دیگر، حساسیت زیاد این روش به توالی تقسیم داده و عملکرد ضعیف آن در SNRهای پایین، استفاده از آن را برای مکان­یابی فعالیت­های کوتاه­مدت مغزی با تردید همراه کرده است. در این مقاله، یک مرحله پیش­پردازشی برای بهبود عملکرد FFA ارائه می­شود که در آن،  مغز به نواحی مجزا تقسیم و پایه­های هر ناحیه تعیین شده و با استفاده از این پایه ها، داده هر ناحیه به دست می­آید. در ادامه، الگوریتم FFA روی داده به دست آمده، اعمال می­شود. برای اثبات عملکرد روش ارائه شده، از داده­های شبیه­سازی ERP و داده واقعی ERF استفاده شد. در تمام شبیه­سازی ها، FFA بهبود یافته، عملکرد بهتری از لحاظ شعاع پراکندگی (بهبود در حدود ۴-۹ میلی متر) و خطای مکان­یابی (بهبود در حدود ۲-۱۰ میلی متر) در مقایسه با روش FFA از خود نشان داد. همچنین روش پیشنهادی، رزولوشن بهتری در مکان­یابی داده واقعی ERF نشان داد. این نکته نیز مهم است که روش پیشنهادی، حساسیت کمتری نسبت به توالی تقسیم داده دارد. نتایج هر دو داده شبیه­سازی و واقعی نشان می­دهد، که می­توان از FFA بهبود یافته به عنوان روشی مطمئن برای مکان­یابی فعالیت­های کوتاه مدت مغزی استفاده کرد.

کلیدواژه ها:

شکل دهنده پرتو کمینه واریانس ، مکان یابی فعالیت مغز ، تمام وفقی سریع ، تمام وفقی سریع بهبود یافته