Ученые из Сколтеха предложили метод интерпретации данных мозговой активности, который продемонстрировал до пяти раз более высокую точность, чем принятый сейчас подход, в случаях, когда снимки МРТ содержали артефакты или модель головы была доступна только в низком разрешении. Результаты исследования помогут лечить устойчивую к лекарствам эпилепсию и лучше понять нейронную природу когнитивных процессов, например как мозг реагирует на визуальные стимулы и запоминает новые слова.
Картирование мозговой активности — это стандартный способ определить, какие части мозга задействованы в том или ином когнитивном процессе — например, в приеме тактильной информации, когда человек гладит кота — или вовлечены в патологические процессы, такие как эпилептические приступы или нарушения сна. Активность мозга регистрируют при помощи ЭЭГ или МЭГ — электро- или магнитоэнцефалографии. Первая из этих диагностических процедур фиксирует динамику электрических потенциалов в разных точках на поверхности головы неинвазивными электродами. Вторая измеряет не потенциалы, а магнитное поле, но оба показателя в конечном счете нужны для детектирования и локализации электрических токов в мозге.
«ЭЭГ существует уже около 100 лет, и некоторые виды нейронной активности за это время успели очень хорошо изучить, — рассказывает первый автор работы, старший научный сотрудник Сколтеха Николай Явич. — Например, нарушение сна опытный врач может без труда проанализировать на основании сырых данных ЭЭГ. А бывают, напротив, сложные случаи. Скажем, чтобы точно локализовать эпилептический очаг в мозге пациента, нужно совмещать данные ЭЭГ или МЕГ с МРТ-снимками, которые нужны для моделирования головы пациента, и обрабатывать всю эту диагностическую информацию специальными алгоритмами. Так можно с точностью до миллиметра определить местоположение очага у пациента, которому не помогают медикаменты, и оперировать его — при этом очень важно не затронуть здоровые ткани».
Проблема в том, что снимки МРТ, которые применяются в сочетании с моделированием мозговой активности, не всегда совершенны. Они подвержены искажениям из-за шумов и разного рода артефактов, что ведет к неточностям в процессе сегментации изображения — определения, где в модели головы заканчивается одна ткань и начинается другая. По словам исследователей из Сколтеха, их метод сравнительно малочувствителен к такого рода дефектам данных.
«Опубликованные результаты говорят, что в условиях низкого разрешения моделей головы наш метод моделирует нейронную активность до пяти раз более точно в сравнении с традиционным подходом. При этом нужно больше вычислительных мощностей, но нам кажется, преимущество в качестве перевешивает этот недостаток», — добавил Явич.
Новый метод поможет когнитивистам, неврологам и нейрохирургам преодолевать несовершенство диагностических данных и локализовывать нейронную основу таких заболеваний, как эпилепсия, аутизм и синдром дефицита внимания, а также когнитивных процессов, связанных с памятью, чувственным восприятием, движением и др.
Ученые использовали смешанный гибридный метод конечных элементов (MHFEM). Его точность сравнивали с широко используемым узловым методом конечных элементов (P1 FEM). Оба метода интерпретации данных ЭЭГ и МЭГ нужны для того, чтобы решать описывающие нейронные токи уравнения, которые задают так называемую прямую задачу. Методы отличаются тем, что нейронный токи, рассчитываемые MHFEM удовлетворяют физическим ограничениям, в частности закону сохранения заряда, в то время как P1 FEM не имеет такого свойства.
Руководитель исследования, Максим Фёдоров, ранее занимал пост вице-президента Сколтеха по ИИ и математическому моделированию, а ныне является ректором Университета «Сириус».
Статья опубликована в журнале IEEE Transactions on Medical Imaging
Источник: skoltech.ru