نوع مقاله : مقاله کامل پژوهشی

نویسندگان

• علیرضا طالش جفادیده ¹
• بابک محمدزاده اصل ²

¹ دانشجوی دکترا، گروه مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس، تهران

² دانشیار، گروه مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس، تهران

چکیده

در مکان‌یابی فعالیت مغز از روی سیگنال EEG یا MEG، روش­های مبتنی بر شکل­دهندة پرتوی وفقی کمینه واریانس، به‌دلیل رزولوشن بالا، کاربرد گسترده­ای دارند. متأسفانه، این روش­ها به‌دلیل 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، به‌خصوص برای داده­های حاصل از پتانسیل­های برانگیخته رخ می‌دهد. برای حل مشکل، روشی به نام تمام‌وفقی سریع (FFA) پیشنهاد شد، که یک روش چند‌مرحله­ای وفقی با الهام از ساختار پروانه­ای تبدیل فوریه (FFT) بوده و تعداد نمونه­های لازم برای مکان­یابی را به مقدار قابل‌توجهی 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 مرحلة 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 پایه‌ها، دادة هر ناحیه به‌دست می­آید. در ادامه، الگوریتم FFA روی دادة به‌دست آمده، اعمال می­شود. برای اثبات عملکرد روش ارائه‌شده، از داده­های شبیه­سازی ERP و دادة واقعی ERF استفاده شد. در تمام شبیه­سازی‌ها، FFA بهبود‌یافته، عملکرد بهتری از لحاظ شعاع پراکندگی (بهبود در حدود 4-9 میلی‌متر) و خطای مکان­یابی (بهبود در حدود 2-10 میلی‌متر) 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 دادة شبیه­سازی و واقعی نشان می­دهد، که می­توان از FFA بهبود‌یافته به‌عنوان روشی مطمئن برای مکان­یابی فعالیت­های کوتاه‌مدت مغزی استفاده کرد.

کلیدواژه‌ها

• شکل‌دهندة پرتو کمینه واریانس
• مکان‌یابی فعالیت مغز
• تمام‌وفقی سریع
• تمام‌وفقی سریع بهبود یافته

موضوعات

• پردازش سیگنال‌های حیاتی

عنوان مقاله [English]

Enhanced Fast Fully Adaptive Beamformer for Localizing Brain Short Time Activities

نویسندگان [English]

• Alireza Talesh Jafadideh ¹
• Babak Mohammadzadeh Asl ²

¹ Ph.D Student, Department of Electrical and Computer Engineering, Tarbiat Modares University, Tehran, Iran

² Associate Professor, Department of Electrical and Computer Engineering, Tarbiat Modares University, Tehran, Iran

چکیده [English]

Minimum variance beamformer (MVB) and its extensions are most widely used techniques in brain source localization due to their high spatial resolution.  Unfortunately, beacause of using data covariance matrix, these methods often fail when the number of samples of the recorded data sequences is small in comparison to the number of electrodes. This condition is particularly relevant when measuring evoked potentials. For solving this problem, Fast Fully Adaptive (FFA) algorithm was developed a few years ago. This method is a multistage adaptive processing technique drawing its inspiration from the butterfly structure of the Fast Fourier Transform (FFT) and decreasing the data requirement significantly. Unfortunately, the high sensitivity of FFA to data partitioning sequences and also its low performance in low SNRs pose a doubt on using it as a reliable localizer for short time brain activities. In this paper, a preprocessing step is proposed to enhance the FFA method. In this step, the brain is divided into separate areas, the components of each area are determined, the data is projected to each area using components of that area. After that, FFA is applied to the projected data. The performance of the enhanced FFA is compared with FFA method by using simulated ERP and real ERF data. In all simulations, enhanced FFA shows the better performance in terms of localization error (enhancement about 2-10 mm) and spread radius (enhancement about 4-9 mm). In addition, the proposed method for real ERF data shows accurate localization result with the most concentrated power spectrum, compared to FFA approach. It is noteworthy that enhanced FFA offers less sensitivity to data partitioning sequences. Emprical results illustrate that enhanced FFA can be implemented as a reliable method for localizing brain short time activities.

کلیدواژه‌ها [English]

• Minimum Variance Beamformer (MVB)
• Brain Source Localization
• Evoked Related Potential (ERP)
• Fast Fully Adaptive (FFA)
• Enhanced FFA
• Event Related Field (ERF)