Electricitate și magnetism: Insights into the brain from multimodal imaging | Kamila Moslem

V. EEG și fMRI simultane

Colectarea EEG și fMRI în același timp devine o provocare deoarece aparatele de înregistrare în sine interferează în mod distructiv, cauzând artefacte mari și pierderi de semnal și introducând probleme de siguranță. Principala contaminare a semnalului fMRI provine din trei surse: 1) Producerea de zgomot RF de către electronica digitală (atenuată prin ecranare), 2) distorsiunea câmpului magnetic (atenuată prin utilizarea de electrozi nemagnetici, în cazul nostru, bureți de sare și 3) pierderile de semnal RF (RMN) în conductorii EEG înșiși, atenuate prin căi de întoarcere la masă și prin îmbrăcarea corespunzătoare a conductorilor. O problemă de siguranță rezultă din posibilitatea ca curenții mari introduși în firele de ghidare să se cupleze la pacient prin conexiunea cu rezistență scăzută la cap, o chestiune abordată mai jos.

Interferența pe care RMN-ul o creează în EEG este atât mai complexă, cât și mai dificilă. Pentru a forma o imagine RM folosind metoda populară ecoplanară este necesar să se creeze gradienți de câmp mari (2-3 gauss/cm) și care variază rapid (20-50 T/s). Prin legea lui Lenz, acestea introduc curent în buclele formate de firele EEG care creează tensiuni de mii de ori mai mari decât EEG-ul însuși. O problemă suplimentară rezultă din așa-numita ballistocardiogramă (BCG) – mișcarea corpului și a capului care apare la fiecare contracție cardiacă impulsivă; aceasta deplasează firele EEG în interiorul câmpurilor imagistice puternice și, de asemenea, creează semnale de eroare în înregistrările EEG. Acestea sunt de amplitudini mult mai mici (câțiva μV), dar sunt neregulate în evoluția lor în timp.

Soluția noastră generală la problema EEG este relativ simplă, bazată pe proprietățile periodice ale generatorilor de artefacte (scanerul RMN și BCG).) Presupunem pur și simplu că pe un interval adecvat, tr, pentru scaner, artefactul se repetă identic și este necorelat cu semnalul EEG pe care este suprapus. Calcularea mediei semnalului contaminat duce astfel la o estimare bună a artefactului, care poate fi apoi sustrasă din semnalul contaminat, lăsând doar EEG. Dacă S(n) reprezintă setul de eșantioane contaminate colectate în timpul celui de-al n-lea tr, dacă EEG(n) indică adevăratul semnal EEG în timpul acelui tr, iar A reprezintă artefactul – despre care se presupune că este stabil – înregistrat pe parcursul aceluiași interval,

S(n) = EEG(n) + A.

La rândul său, EA(n), estimarea artefactului în timpul celui de-al n-lea tr este:

EA(n)=∑k=1nS(k).

Așa, ar trebui să putem găsi EEG(n) = S(n) – A. Cu toate acestea, există o serie de probleme și provocări cu această abordare.

În primul rând, artefactele EEG și ale scanerului sunt, de fapt, foarte corelate, deoarece sunetul (puternic) al scanerului provoacă un răspuns neuronal care apare pe scalp sub forma unui potențial evocat. Prin urmare, șablonul de artefacte va conține o reprezentare a potențialului evocat, precum și a artefactului scanerului, iar acesta va fi eliminat sistematic din semnalul derivat. De obicei, totuși, acesta este un efect de dorit, deoarece răspunsul acustic la zgomotul scanerului este rareori un subiect de cercetare.

În al doilea rând, metoda funcționează numai dacă EEG-ul însumat și artefactul sunt înregistrate fără distorsiuni. Din cauza SNR-ului extrem de slab al semnalului brut (aproximativ 0,1%), acest lucru necesită o gamă dinamică extrem de mare în lanțul de amplificare și înregistrare. Cea mai mare parte a energiei din artefactul RMN se află în banda audio, inclusiv frecvențele sub 100 Hz, care prezintă un interes considerabil în EEG. Astfel, filtrarea trece-jos este doar marginal de eficientă, deși este importantă pentru anti-aliasing. Reducerea la minimum a dimensiunii oricăror bucle efective în derivațiile EEG este utilă . Anularea prin detectarea artefactului fără conexiune la scalp poate fi, de asemenea, eficientă (de exemplu, Kappametrics, Chantilly, VA).

În cele din urmă, pentru ca schema simplă de medie și scădere să funcționeze, artefactul trebuie să se repete identic de fiecare dată, altfel estimarea artefactului produsă prin mediere va fi inexactă. În timp ce scanerul reproduce aceste forme de undă cu o precizie extrem de mare, este posibil ca digitizorul din dispozitivul EEG să nu capteze evenimentele la aceeași dată relativă de fiecare dată când acestea sunt produse, deoarece ceasul său nu este de obicei sincron. Chiar și erori minuscule de 0,1% pot lăsa un reziduu la fel de mare ca și EEG-ul. Este tentant să invocăm teorema Nyquist și să sugerăm că putem capta artefactul cu acuratețe prin eșantionarea la o frecvență ceva mai mare de două ori decât frecvența maximă conținută în acesta. Acest lucru, însă, este fals. În timp ce teorema Nyquist se aplică semnalelor achiziționate în timp infinit, adesea nu se apreciază că acest lucru nu este valabil atunci când semnalul este eșantionat pe o fereastră de timp trunchiată.

Un mod de a vizualiza problema este să ne imaginăm eșantionarea la o rată mare de 5 kiloeșantioane/s. De la un trunchi la altul, acest lucru va permite o diferență maximă de timp, Δt, în raport cu sistemul de gradient, de o jumătate din timpul de ședere: 100 μs. Artefactele induse de gradient în EEG sunt egale cu produsul dintre eroarea de sincronizare și ratele de rotație, care sunt de ordinul a 1000 V/s, astfel încât ar putea exista o diferență de până la 0,1 V în amplitudinea măsurată de la un tr la altul, ceea ce este în mod clar inacceptabil, deoarece aceasta devine, de fapt, magnitudinea artefactului rezidual după substracție. Putem reduce artefactul rezidual prin eșantionare mai rapidă, reducând astfel produsul Δt×dwell între tr-uri. Acest lucru poate fi formulat analitic pe baza conținutului spectral al formei de undă a gradientului. Să presupunem că frecvența maximă a acesteia este de ω radiani/s. Ne putem gândi la Δt între tr-uri succesive ca la crearea unei diferențe de fază, φ, în eșantionarea formei de undă a gradientului. Limita superioară pentru φ este pur și simplu ωΔt. Dacă ε este reprezintă amplitudinea aparentă a diferenței dintre artefactele eșantionate la momente diferite, putem observa că:

ε=cos(2πft)-cos(2πft-φ)=cos(2πft)cos(φ-1)-sin(2πft)sinφ

care, pentru erori mici, este aproximativ liniară în Δt; în exemplul de mai sus, reducerea artefactului la intervalul μV ar necesita o eșantionare în intervalul de 10 MHz, ceea ce este nerealist de costisitor pentru un dispozitiv EEG.

Nevoia de eșantionare rapidă poate fi eliminată dacă abordăm direct defazajul, prin sincronizarea eșantionării digitale cu scanerul RM. Este relativ ușor să reducem eroarea la câțiva ns în acest mod, iar aceasta este baza pentru metoda noastră de eliminare a artefactelor de la scaner, care reduce artefactul rezidual sub rezoluția convertorului analogic-digital, eliminându-l de fapt complet.

Modificări mici ale poziției capului în timpul scanării pot avea ca rezultat schimbări în amplitudinea și cursul în timp al artefactului legat de gradient. Prin urmare, în practică este de dorit ca filtrul de gradient să fie adaptiv. Am făcut acest lucru prin crearea unui averager cu scurgeri care aplică o pondere exponențial descrescătoare la eșantioanele de artefacte care sunt mai îndepărtate în timp. Averagerul adaptiv este implementat foarte simplu sub forma:

EA(n) = w EA(n – 1) + (w – 1) S(n),

unde 0<w<1 este un factor de ponderare. Acest filtru are cerințe minime de memorie de calculator și este ușor de reglat. Observăm că o medie mobilă este un substitut relativ slab, deoarece EEG-ul presupus necorelat este suprimat în EA(n) doar cu rădăcina pătrată a numărului de iterații incluse în medie. Acest EEG rezidual reprezintă un termen de eroare care ar fi încorporat în semnalul EEG „corectat”.

.

Lasă un răspuns

Adresa ta de email nu va fi publicată.