محمدزاده اصل, بابک, طالش جفادیده, علیرضا. (1395). شکل دهنده پرتو تمام وفقی سریع بهبود یافته برای مکان یابی فعالیت های کوتاه مدت مغزی. فصل نامه علمی پژوهشی مهندسی پزشکی زیستی, 10(4), 361-370. doi: 10.22041/ijbme.2017.72842.1269
بابک محمدزاده اصل; علیرضا طالش جفادیده. "شکل دهنده پرتو تمام وفقی سریع بهبود یافته برای مکان یابی فعالیت های کوتاه مدت مغزی". فصل نامه علمی پژوهشی مهندسی پزشکی زیستی, 10, 4, 1395, 361-370. doi: 10.22041/ijbme.2017.72842.1269
محمدزاده اصل, بابک, طالش جفادیده, علیرضا. (1395). 'شکل دهنده پرتو تمام وفقی سریع بهبود یافته برای مکان یابی فعالیت های کوتاه مدت مغزی', فصل نامه علمی پژوهشی مهندسی پزشکی زیستی, 10(4), pp. 361-370. doi: 10.22041/ijbme.2017.72842.1269
محمدزاده اصل, بابک, طالش جفادیده, علیرضا. شکل دهنده پرتو تمام وفقی سریع بهبود یافته برای مکان یابی فعالیت های کوتاه مدت مغزی. فصل نامه علمی پژوهشی مهندسی پزشکی زیستی, 1395; 10(4): 361-370. doi: 10.22041/ijbme.2017.72842.1269
شکل دهنده پرتو تمام وفقی سریع بهبود یافته برای مکان یابی فعالیت های کوتاه مدت مغزی
2گروه مهندسی پزشکی- دانشکده برق و کامپیوتر- دانشگاه تربیت مدرس
چکیده
در مکان یابی فعالیت مغز از روی سیگنال EEG یا MEG، روش‌های مبتنی بر شکل‌دهنده پرتوی وفقی مینیمم 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 مخصوصا برای داده‌های حاصل از پتانسیل‌های برانگیخته رخ می دهد. برای حل مشکل، در چند سال قبل یک روش با نام تمام وفقی سریع (FFA) پیشنهاد گردید 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. متاسفانه، 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 بدست می‌آید. در ادامه الگوریتم FFA بر روی داده بدست امده اعمال می‌گردد. برای اثبات عملکرد روش ارائه شده، از داده‌های شبیه‌سازی ERP و داده واقعی ERF استفاده شد. در همه سناریوهای شبیه‌سازی، FFA بهبود یافته 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 از خود نشان داد. این نکته نیز حائز اهمیت است که روش پیشنهادی حساسیت کمتری نسبت به توالی تقسیم داده دارد. نتایج هر دو داده شبیه‌سازی و واقعی نشان می‌دهد که می‌توان از روش FFA بهبود یافته به طور قابل اطمینانی برای مکان‌یابی فعالیت‌های کوتاه مدت مغزی استفاده کرد.
Enhanced Fast Fully Adaptive Beamformer for Brain Short Time Activities Localization
نویسندگان [English]
Babak Mohammadzadeh Asl1؛ Alireza Talesh2
1Department of Biomedical Engineering, Tarbiat
Modares University, Tehran, Iran
2Department of Biomedical 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)
ابتدای صفحه