Fuctional Imaging and Localization of Electromagnetic Brain Activity

Fuctional Imaging and Localization of Electromagnetic Brain Activity

Michael Scherg 1992

 

Abstract

 

전기적 뇌 활성의 기능적 이미지는 인간의 두피에서 기록된 신호를 변환시키는 특별한 모델을 요구한다. 두가지 모델; Single-time-point & spatio-temporal methods. 일시적 방법은 단지 한 순간의 시점에서 몇몇 전압 차이를 측정한다. 이런 제한된 정보에서 공간적 이미지를 만들기 위해서 드물게 생리학적 기반에 따르는 엄격한 가정을 요구한다. spatio-temporal models은 두 종류의 이미지를 만든다; 먼저, 분리된 등가 다중 쌍극자 또는 regional source 의 공간적 이미지. 둘째 국한된 영역에서 뇌 활성의 시간적 역동성을 반영하는 소스 전류 파형의 이미지. 공간적 이미지의 정확도는 여기서 소개된 'regional source imaging' 에 의해서 제한되고 의존하는 모델 이지만, 시공간적 데이터에서 정당성이 입증된 것은 아니다. 소스 파형은 두피 파형의 선형 결합이다. 따라서 거시적 수준에서 국소적 뇌 활성은 이미지화 하는 특별한 유도 방식이다. 체성 감각 유발 전위의 뇌 소스 이미지는 뇌간, 시상과 체성감각의 대측 투사영역의 다중 소스에서 시간적으로 겹치는 활성으로 드러났다.

 

Introduction

 

뇌 이미지의 주요 목적은 비 침습적 측정 방식을 사용해서 장애가 있는 영역을 국소화 하기 위하고 뇌의 내부 구조를 지도화하기 위해서이다. 최근 지난 10년 동안 MRI와 CT와 같은 구조적 이미지 기술은 대뇌 피질의 고랑(구)과 이랑(회)을 식별해내기에 충분히 정밀해져 왔다. PET는 특정 감각 또는 정신적 처리 과정동안 증가된 대사에 대해서 높은 국소화된 기능적 영역을 증명할 수 있었다(Petersen et al. 1988;Zatorre et al.1992). 

 

이들 이미지 기술들은 머리 평면 절단면 주변 원형 배치에서 밀집된 센서를 사용한다. 수집된 정보는 측정의 면에서 분리된 스칼라 밀도 이미지를 재건하기에 충분하다. 해상도는 독특하게 계산되어질 수 있는 몇몇 voxel에서만 의존하는 voxel의 크기에 의해 주어진다. 즉, 이 숫자는 외부에서 측정된 위치의 수를 초과할 수 없다. 대조적으로 EEG와 MEG는 머리 표면 주위 3차원적으로 비교적 몇몇 안되는(21-128) 위치 간격을 주고 기록되었다. 표면 EEG 또는 MEG에서 이미지화되는 양적인 면(뇌 voxel에서 소스전류의 밀도인)은 X, Y, Z 방향에서 전류밀도를 나타냄으로써 3가지 정도의 벡터를 가지는 방식으로 나타내어진다. 따라서 우리가 특히한 분리된 voxel에서 전류복원을 시도할 경우 21개 기록채널에 대해서 7개 또는 128개 채널에 대해서 42개 보다 많은 가정을 할 수 없다. 우리가 더 많은 제약을 부과한 경우 뇌 모델은 뇌 소스 이미지(BSI)를 추정하는 '역문제'를 해결하는 이들 voxel 수보다 더 많지 않게 나누어 져야한다.

 

제한된 공간정보와 재조직에서 EEG와 MEG는 MRI 또는 PET보다 더 높은 시간 해상도를 가진다. 수 밀리세컨드에서 발생하는 뇌 전류 분포의 변화와는 반대로 PET이미지는 수초에 걸친 뇌 활성을 측정한다. 이런 뇌활성의 급격한 변화를 측정하는 EEG와 MEG의 특별한 능력은 소스전류 또는 소스전위 파형의 이미지화를 가능하게 한다(Scherg & Von Cramon 1986). 각 소스 파형은 특정 뇌 영역에서 소스 전류의 거시적 합을 나타내고 생리학적 신경 활성에 기반하는 지속성을 반영한다(Freeman 1975; Scherg & Von Cramon 1985). 다양한 시점에서 반복된 측정은 voxel 크기를 감소 또는 분리된 활동 voxel로 국소화하는 것에 사용되어질 수 있는 추가적 정보를 제시한다. 또한 분리는 일시적(single-time-point) 방법과 시공간 분석 방법사이의 EEG와 MEG의 역 문제 해결하기 위한 방식으로 만들어 질 수 있다.

 

일시적 분석 방법은 예를 들자면, 단일 또는 이동식(moving) 쌍극자 국소화 방법(Schneider 1972; Wood 1982; Fender 1987)과 최소 규범 전류 밀도 이미지(Scherg & Von Cramon 1985, 1986; Achin et al.1988, 1991; Baumgartner et al. 1989; Scherg et al. 1989; Scherg 1990; de Munck 1991; Scherg & Picton 1991; Mosher et al. 1992)는 감소된 기본 또는 소스 파형으로 신호 행렬을 분리하기 위한 분리 소스 모델을 사용한다. 이것은 활성화 된 뇌 영역에서 소스 전류의 타이밍과 범위의 측면에서 뇌기능 이미지를 제공한다. 혈관손상 환자에서 두피 파형이 정상으로 나타날때 마다 소스 파형 이미지는 비정상적으로 나타날 것이다(Scherg & Von Cramon 1986, 1990).

 

본 논문은 EEG와 MEG의 역문제를 풀기 위하여 다양한 single-time-point와 시공간 분석 방법을 논의하고 그 방법들의 가정과 제한점에 대해 논의 해 볼 것이다. 본 논문은 또한 regional source imaging(RSI)를 소개 할 것이다. 특정 지역에 제한을 주는 다중 쌍극자에 기반을 두는 이 새로운 방식을 두피 신호에서 중요하게 기여하는 뇌 영역들에 초점을 맞추고 다중 쌍극자 모델에서 비활동적 영역을 제외하기 위한 뇌를 스캔하는 것에 사용될 수 있다. 다양한 분석 방법들은 뇌 활성이 국소화되는 것으로 알려진 체성감각 유발 전위(SEP)를 사용하여 비교하였다.

 

Method

 

subjects and data

 

SEPs는 왼쪽 정중신경의 지속적 전류자극으로 32채널 몽타주를 이용하여 16명 참가자에게서 기록되었다. 대상자와 기록 절차에 대한 자세한 내용은 다른곳에서 개재되어 있다. 본 연구에서 우리는 BESA프로그램을 사용하여 다음에 소개하는 다양한 분석 방법을 검사하기 위하여 grand average 데이터를 사용했다.

 

 

Reference-free mapping

 

두피 맵(그림 1d)는 전극 사이의 포인트 간격에 두피 전류 밀도의 추정과 두피 전위의 추정에 있어서 최적의 보간을 제공하는 구형 스플라인을 이용해서 구성되었다(Pascual et al. 1988; Perrin et al. 1989). 맵은 nasion, inion과 귓불에까지 덮어 씌우는 수직 Z축으로 부터 110도 각도까지 Top equidistant meridian 투영법으로 나타내었다. 맵은 두 가지 대체적인 방식에서 reference-free로 만들었다; 먼저, 등 전위 선은 파란색보다 landscape을 설명하는 검은 색으로 그려졌다. 두번째, 최적으로 산출된 다중쌍극자 모델은 기준전극(평균)에서 전위를 추정하기 위하여 사용되었다. 각 채널 파형에서 이 신호를 추가할 때 그들은 거의 zero-reference 된다.

 

single-time-point source imaging

 

그림 1은 이동 쌍극자 산출과 두피 스플라인 맵핑인 두개의 다른 일시적인 이미지 방법을 설명한다. 단일 쌍극자는 simplex 알고리즘과 가정된 3-shell 모델을 보여준다. 쌍극자는 (잔차;RV가 10% 보다 적은 경우에) 단지 계산된 기간(12-26ms) 동안에서만 나타내었다.

 

최소규범 이미지의 원리는 그림 1에서 설명되었다. 전류 밀도 벡터는 센서 공간의 lead field representation으로 부터 추정되었다(hamalainen and Ilmomiemi 1984). lead field는 사전 정의 된 뇌 용적에서 어떤 시점에서 어떤 방향으로 흐르는 전류에 대한 각 전극의 감수성을 설명한다. SEP의 분리된 voxel 모델의 측면에서 이 방법은 두피에서 다르게 측정된 32전압으로 부터 뇌 영역 또는 미리 정의 된 용적을 구성하는 매우 많은 voxel의 각각에서 소스 밀도 벡터의 크기와 방향을 추정하는 것으로 보여질 수 있다. 두가지 가정이 필요하다; 먼저, 전류 밀도는 미리 정의 된 용적의 외부가 제로가 된다고 가정한다. 두번째 모든 쌍극자 모멘트에 걸친 제곱합은 최소가 되어야 한다. 두개의 가정은 연구에 의해서 뇌 활성의 실제 생리학적 특징에 순응하는 것을 필요하지 않는 임의적인 제약을 부과한다.

 

 

spatio-temporal imaging

 

3가지 다른 시공간 이미지 방법은 그림 2에 설명되었다. 데이터는 전극과 시간적 샘플링 포인트(space*time) 차원의 행렬을 형성한다. 기록된 SEP에 대해서 선형 공간 연산자는 32개 공간 차원에 의해서 정의된 수학적 영역에서 형성되어 질 수 있다. 뇌 이미지의 목적은 선형 연산자에게서 주어진 이들 공간에서 중요한 축을 찾기 위해서이다. 이것은 부분공간 또는 데이터 세트에서 신호차이를 설명하는 감소된 소스 파형의 세트의 측면에서 데이터의 분해와 표시를 이끈다(Mosher et al. 1992). 소스 파형은 선택된 공간적 연산자의 세트에만 의존하는 두피 파형의 선형 변환의 결과이다. 이들은 주요소 분석에서(그림 2C) 소스파형 벡터와 공간적 벡터의 직교성과 같은 외부적 제한으로 정의 될 수 있을 뿐 아니라 시스템 그 자체의 속성에 의해서도 정의될 수 있다. 즉, 다중 쌍극자 모델(그림2b)에서 처럼 국소화 된 뇌 전류의 결과로 인한 두피에서 전압 차이를 설명하는 물리적 용적 전도 기전에 의해서이다. 그런 선형 공간적 연산자를 획득하기 위한 다양한 방법이 있다; 다중 쌍극자 이미지, regional source imaging 그리고 multiple signal classification(MUSIC)이 여기서 설명되어 질 것이다.

 

다중 고정된 쌍극자 이미지(Scherg 1990; Scherg and Picton 1991)는 전 시간에 걸쳐서 위치와 방향이 변화하지 않는 쌍극자를 사용한다. 따라서 공간적 이미지(그림 2b)는 분석할 전 시간대를 포함한다. 각 등가 쌍극자가 외부로 부터 추정하기에 거의 불가능한 뇌(그림 1a) 크기의 매우 큰 영역의 활성을 나타낼 수 있기 때문에 그런 이미지는 도식화 될 수 있다(De Munck and Spekreijse 1988a, b; Scherg 1990). 이런 맥락에서 "활동"은 표면 신호에서 중요하게 기여하는 국한된 뇌 영역의 거시적 활성을 의미한다. 각 모델링된 뇌 영역의 추정된 소스전류의 크기는 소스 전위(Scherg & Von Cramon 1986) 또는 소스 전류 파형(그림 2b, 왼쪽)의 면에서 보여진다.

 

소스 파형은 다양한 뇌 영역에서 활성의 시간 유형을 이미지화 한다. 적어도 하나의 등가 쌍극자 각 활성 영역에 대한 모델을 포함하는 것을 제공한다. 모델링 되지 않는 뇌 영역의 활성은 모델에서 모든 다른 쌍극자 사이에서 분리 되었다. 잔차(대수 플롯. 그림 2b)의 시간 과정은 산출의 적합도를 설명한다. 즉, 다른 파형의 제곱합은 측정된 파형의 제곱합으로 나누어진다. 산출 적합도(goodness of fit)는 모델과 측정된 파형이 overplot(점선)을 가진 모델 파형이다.

 

주요소 분석(PCA, Glaser and Ruchkin 1976; Maier et al. 1987)은 그림 2c에서 설명되었다. 먼저, 데이터에서 대부분의 잔차를 설명하는 공간 벡터가 정의 되었다. 그 다음 벡터는 그 다음 높은 잔차의 양을 설명한다. 그리고 등 등. BESA에서 특이값 분해(singular value decomposotion)는 공간적 요소 가중치와 기본 파형 점수를 계산하기 위해 사용되었다. 오차는 각 주 요소가 점진적 분산(cumulative varience)과 함께 보여진다. 신호 대 잡음 비율의 cutoff에 따라 특정 역치에 정의 되어 질 수 있다. 역치위의 파형은 신호 부분공간에서 귀인하는 것으로 그리고 잡음 부분 공간 아래 파형에서 귀인하는 것으로 보인다. 이들 공간 들은 시공간 데이터 행렬의 수학적 특이한 표시를 제공한다.

 

수평 절단면을 따라 뇌를 스캔하기 위한 프로브로써 하나의 resional 소스를 사용할 때 국소화된 전류의 확률 함수는 정의 될 수 있다. 확률은 잡음으로 또는 PCA의 신호 부분공간으로 투사될 수 있는 regional 소스 파형의 제안에 기반을 둔다. 이런 다중 신호 분류(MUSIC) 방법은 MEG(Mosher et al. 1992)에 처음 적용되었고 청각에서 수학적 유사 역 문제로부터 파생된다. MUSIC은 전 시간에 걸쳐진 것과는 상관없이 다중 소스의 활성을 내재적으로 가정한다. 이것은 단일 쌍극자 모델과 유사한 제한을 가진다. 그림 2d는 FPz-Oz/T3-T4-plane에 평행한 수평 단면에 대한 확률적인 맵을 설명한다. 즉, 전과 후 접합선에 의해 정의된 면에 거의 평행하다.

 

 

 

Regional Source Imaging

 

그림 4에서 설명된 새로운 방식인 Regional Source Imaging(RSI)는 각 소스에 특정한 제약을 가지는 다중 쌍극자 이미지의 특별한 변이종이다. Regional source는 같은 위치를 가진 세개의 직교하는 쌍극자로 구성된다. 그런 소스 모델은 어떤 방향에서든 국소화된 뇌 용적의 전류 흐름을 이미지화 할 수 있다(Scherg and Von Cramon 1986). 연속된 하나, 둘, 셋 그리고, 더 많은 regional source는 뇌 스캔에서 사용되었고, 뇌의 용적은 한 세트의 이산 voxel로 나누어 질 수 있다. RSI동안 소스는 voxel의 중심에 위치하고 그렇기 때문에 서로간에 최소한의 거리를 유지한다. 따라서 공간적 벡터 행렬은 항상 비특이적이고 극의 역전이 가능하다. 산출 적합도는 각 regional 소스의 국소적 합을 시스템의 어떤 회전에서 불변하는 지표이다. 따라서 국소적 local 축은 시작 활성을 반영하는 첫번째 쌍극자가 각 regional 소스에 대해서 선택되어 질 수 있다. 그런 다음 두 번째 쌍극자는 직교하는 방향, 그리고 마지막 쌍극자는 그것을 둘러싸는 국소 뇌 용적의 활성에 대해 설정된다. 이런 국소적 방향 처리는 BESA프로그램에서 자동적으로 처리된다. 스캐닝 처리 과정의 마지막에서 그 voxel은 다른 regional 소스 간의 최소 공분산을 가지는 최대 변수를 이미지화 한다. 하나 또는 더 많은 regional 소스는 낮은 크기의 소스 파형을 보여주기 위하여 시작한다(그림 4, 밑에 위치). 이것은 활성된 regional 소스에서 국소화 된 기여가 있을 때 이들 뇌 부분에서 약간의 기여가 있다는 것을 가리킨다. 비활성 소스는 소스전류의 존재에 대해서 둘러싸는 뇌 부분을 체크하는 프로브 소스와 같이 활동한다. 이 부분에서 소스 전류가 있을 경우, 역선형 연산자가 regional 소스 서로의 전향적 공간 가중에서 내재적으로 직교되어 만들어 지기때문에 어떤 다른 regional 소스에 의해서 보다 프로브 소스에 의해서 이미지화 되어야 한다. 각 regional 또는 프로브 소스는 모든 다른 소스와 공분산이 되는 그들 자신의 공간 전향적 벡터와 일치된 공분산을 가진다. 이들 원칙은 EEG에서 눈과 심장 잡음의 수정에서 매우 효율적인 방법으로 사용되어 왔다(Berg and Scherg 1991).

 

 

 

Result

 

Scalp waveform and mapping

 

대상자 1의 SEP 두피 파형은 아래서 설명하는 것처럼 최적으로 산출된 3개 쌍극자 모델의 모델 파형과 함께 그림3에서 보여준다. 주된 피크는 윗목 전극(N14), 오른쪽 두정(N19), 그러고 전두(P20)두피와 C4(P22)에서 발생했다. 맵은 그림 1에서 19-21ms 주기동안 보여진다. 그것들은 접선 방향에서 원심방향으로 확연한 회전을 보인다. 전위 또는 전류 소스 밀도 맵 역시 근본 피질 소스를 분리할 수 있는 것이 아니다.

 

Single moving dipole fitting

 

단일 이동 쌍극자는 12-30ms 범위에서 산출되었다. 대상자 1에 대해서 12-15ms와 18.5-30ms 주기에서 산출되었다(RV<10%). 그림 1은 하부 뇌간에서 쌍극자 무리를 보여주고, 오른쪽 중심구의 깊은 곳에서 산출된 위치를 보여준다. 대상자 2는 12-16ms, 23-25ms, 26-30ms 주기에서 산출되었다. N20과 P22의 피크는 하부 뇌간 수준에서 소스에서 오는 활성과 중심구 근방의 소스에서 오는 활성과 중첩되기 때문에 불안정한 산출이다.

 

Multiple dipole imaginig

 

3개 쌍극자 소스의 최소값은 12-30ms주기에서 SEP를 모델링 하기에 필요하다(RV=1.82% 전체기간에서). 모델 파형과 두피에서 각 소스의 기여도는 그림 3에서 보여준다. 그 모델은 뒷쪽 fossa 수준의 한 개 소스와 접선 방향(2) 및 원심방향(3)인 오른쪽 중심 부위에서 두 개 소스로 구성되었다. 이들 소스는 그림 2b에서 보이는 더 자세하게 나누어진 5개 쌍극자 모델의 1, 3그리고 4번 쌍극자에 해당한다. 24-35ms범위에서 오른쪽 전두 부위와 두정부 두피에서 약간 편향된 것은 3개 쌍극자 모델에 의해서 설명되어 지지 않는 다. 기준 전극이 없는 몽타주는 3개 쌍극자 모델에 기반을 두고 계산 되었다. 소스 1은 윗 목 전극에서 크게 나타난 N14-P20 complex와 전두 -중심부에 걸친 넓게 퍼진 N15 뿐 만이니라 두정부에 작게 나타낸 N19를 설명한다. 중심구 깊은 곳의 접선 방향 소스 2는 두정 N19와 전두 P20에 나타난 주요 기여도를 제공한다. P22는 이 전극이 깊은 접선 방향 소스의 꼭대기에 정확하게 위치했기 때문에 즉, 원심방향 소스가 최대로 기록될 때 어떤 전위 영역도 이 소스로 부터 감지될 수 없는 위치인 C4에서 최대가 되고 원심방향 소스 3에 의해서 거의 독점적이다.

 

5개 쌍극자 모델(대상자 1)은 중심구의 깊은 소스가 다양한 개시와 19ms(쌍극자 3)과 23.3ms(쌍극자 5)에서 첫번째 피크를 가진 두개의 밀접한 소스로 분리될 수 있다는 것을 보여준다. 원심방향 쌍극자 4는 21.3ms에서 피크를 보였다. 쌍극자 2는 활성하는 피질 영역으로 방향을 가리키는 머리의 중심부에 위치해 있다. 그것은 15.5ms에서 초기 편향을 이미지화 했다(그림 2a의 도식화에서 증가된 스캐일로 보인다). 소스 1의 N14피크 이후 2ms 에서 발생하는 이런 편향은 대상자 1에서 매우 작았지만 지속적으로 나타났고 다른 대상자에서는 대부분 크게 나타났다.

 

Regional source imaging

 

그림 4는 대상자 2의 RSI 결과를 보여주고 대상자 1의 5-쌍극자 배치의 조절을(control) 보여준다. 하나의 regional 소스는 모든 활성이 뇌간과 상부 중심구 사이의 중간 위치에 함께 묶여 있기 때문에 불충분한 모델(RV=15.2%)이다. 그러나 소스 파형은 여러 다른 방향으로 인해 N14와 N19-P25 처리과정이 분리 되었다. 2개 regional 소스를 가진 스캐닝은 적절한 모델(RV=1.52%)을 제공한 그 모델은 위치에 의해서 피질 소스에서 낮고 깊은 소스를 분리했다. 각 regional 소스에 대해서 몇몇 식별 처리과정은 방향 차이에 의해서 알기 쉽게 되었다. 세번째 regional 소스가 추가될 때, 그것은 중심부에 위치했고(RV=1.28%) 깊은 위치의 regional 소스(그림 4b)에 의해서 미리 이미지화 되었던 시상-피질 쌍극자 활성을 설명했다.

 

하부 머리 위치에는 전극이 없기때문에 단지 매우 작은 활성만을 보여주는 깊은 위치의 regional 소스의 수평 쌍극자 2와 3은 더 많은 regional 소스가 추가될 때 꺼버려야 했다. 또한 대부분의 변화량이 이미 설명되었기 때문에 추가적 regional 소스는 앞선 배치(solution)의 타당도를 체크하는 프로브 소스로써 활동했다. 예를 들면 regional 소스가 동측 체성감각 피질을 스캔하기 위하여 사용되었을 때 활성이 작은 소스 파형은 모델에서 이들 voxel을 제외 시키는 것을 정당화 시킴에 따라서 이 뇌 영역에서 중요한 소스 전류가 없다고 기록된다(그림 4c). 마지막으로, 대상자 1의 5-쌍극자 배치는 그림 4d에서 보여준다. 소스파형은 추가된 3개 regional 소스에 의해서 영향을 받지 않는다(쌍극자 2의 작은 파형은 명확하게 보여지지 않는다). 더욱이 그들은 자극에 대해서 두정 피질의 동측활성과 하부 측두엽 활성이 있다는 것이 틀렸다고 증명했다. 사실, 3개 regional 소스가 있을 때, 5-쌍극자 산출은 regional 소스의 파형에서 소스 활성을 최소화 하기 위해서 변화량 제약(Scherg and Berg 1991)을 사용하여 향상될 수도 있고 안정적으로 보여질 수도 있다.

 

PCA and MUSIC

 

그림 1은 대상자 1에 대하여 PCA와 MUSIC의 결과를 보여준다. 주 요소의 변화량은 매 다음 요소들과 함께 급격히 감소한다. 그것은 SEP 데이터가 단지 몇 안되는 소스 요소에 의해서 정말 나타날 수 있다는 것을 가리킨다. 직교하고 독립적인 PCA 의 기본 파형은 약 4-5개 소스가 데이터에서 모든 신호를 모델링하기에 필요하고 충분하다는 것을 설명한다. 그러나 5-쌍극자 모델과 비교할 때 기본 파형은 그들의 개시점에서 더 작다.

 

MUSIC 이미지는 Fpz-Oz와 T3-T4축을 0이 되는 면으로 부터 수직 거리가 -35mm에서 55mm까지 5mm간격으로 수평면이 계산되어졌다. shading 이 가리키는 높은 확률은 2개 regional 소스 모델을 확인함에 따라 오른쪽 중심구의 영역의 상부 절단면(10-45mm)에서 찾을 수 있고 머리의 중심에서 깊은 부분의 절단면에서 찾을 수 있다. 중심부 쌍극자 2는 대상자 2의 MUSIC 이미지에서 더 명확하게 보여진다.

 

Disscussion

 

"Imaging"이란 단어는 MRI 또는 CT와 같은 구조적인 이미지화와 매우 관련이있다. 이런 관점에서 "Brain Source Imaging" 또는 "Electromagnrtic Source Imaging"의 용어는 다음과 같은 소스 국소화 때문에 잘못 이해될 수 있다. 1) 도식적이다. 등가 쌍극자가 확장되거나 더욱 원격적인 피질 영역의 활성을 나타낼 수 있기 때문에. 2) 근사적이다. 쌍극자가 머리의 실제적인 기하학적 모양과 전도성의 근사치를 가지는 구형 용적 전도체 모델로 계산되어지기 때문에 단일 이동 쌍극자와 같은 소스 모델의 특정 모델을 가진 국소화는 50mm까지 또는 그 이상 틀려질 수 있다.

 

그러나 "Brain Source Imaging"은 어떤 다른 voxel에서 소스 전류의 발생을 제외하는 regional 프로브 소스에 의해서 타당성이 증명된 이산 regional 소스 또는 다중 쌍극자 모델의 수를 가진 뇌의 대략적 voxel의 모델에 적용할 경우 다양한 의미를 가진다. 단 그런 실증이 없을 경우 적절한 모델링은 Snyder(1991)의 비평이다. 그러나 이산 쌍극자 소스를 둘러싼 모든 voxel이 활성하지 않는 것으로 보인다면, 위치는 전극 수와 신호 대 잡음 비율에 따르는 대략적인 voxel 수준(8-30mm)에서 정확해 질 수 있다. 그와 더불어 위치는 이상적인 구형 용적 전도체에서 여전히 발생한다. 이것은 개인적인 해부학에 기반을 둔 더 정밀한 실질적 머리모형이 되지 않는다면 약 10-20mm의 오차를 만들 수 있다.

 

시공간 소스 분석에 대한 "Brain Source Imaging" 의 용어 사용을 위한 매우 중요한 이유는 뇌의 다양한 활성 영역에서 거시적 소스 전류의 역동적이고 기능적인 이미지를 만드는 국부적 소스 또는 다중 쌍극자의 능력에 있다. 이런 역동적 이미지는 장애를 가진 뇌 영역에서 소스 처리과정의 병리적 감소 또는 지연을 시각화 하기위한 가치있는 도구이다(Scherg and Von Cramon 1986). "Brain Source Imaging"는 높은 시간적 해상도를 가지는 독특한 기능적 이미지 기술이다.

 

국부적 소스 이미지 기술은 bottom-up 유형에서 역문제를 다룬다. 각 소스의 정확도를 실험하는 것이 다중 쌍극자 산출에 의해 찾아지는 것 보다 RSI는 표면 신호에서 중요하게 기여하는 뇌 영역을 제외하는 시도를 한다. 각 전향적 쌍극자 연산자에서 역 연산자의 직교성 때문에 RSI는 다른 것을 삭제하는 것에 의해서 모델의 정확도를 검사하는 능력을 가진다; 국소적 활성이 이미지화 될 수 없을 경우 조사된 뇌 영역 또는 voxel 은 이산 소스 전위 세트에서 합법적으로 제외 될 수 있다. 다중 쌍극자 모델은 세가지 매우 다른 결과를 낳는다; 등가 국소화, 방향, 소스 파형, 방향은 피질 폴더에 기반을 가진 기하학에 맞춰져야 한다. MRI로 부터 이것이 알려질 경우 특정 국부적 또는 쌍극자 소스 발생기 후보의 수는 순차적으로 감소될 수 있다. 따라서, MRI 정보가 모델의 방향과 위치 데이터와 결합될 때 위치는 간접적으로 향상되어질 수 있고 개별적 피질 해부학의 측면에서 쌍극자의 해석이 가능해진다.

 

이동 쌍극자 산출 또는 최소 규범 추정(Minimum-norm estimate)과 같은 단일-시간-지점 분석방법은 그들이 각 소스 처리의 전체 시간에 걸친 평가에서 차이를 무시하기 때문에 다양한 뇌 영역이 동시에 활성할 때 등가equivalent "Center of gravity"에서 활성들을 모두 일괄적 처리하기 쉽다. 더불어 최소 규범 이미지는 필요 이상으로 더 확장된 영역에 걸쳐 소스 전류를 알아보지 못하게 뭉게버리는 경향이 있다. 다른 말로 시공간 방법은 그들이 전시간에 걸쳐 상관관계를 가지지 않을 때 이상적 사례에서 소스처리의 100% 분리에 도달하는 다중 소스 이미지와 MUSIC 과 같다. 이런 경우 PCA는 같은 결과에 도달한다. 그러나 양쪽 반구의 청각 피질과 같은 원거리의 동시적인 활성을 가진 실제 상황에서 MUSIC과 PCA는 실패하는 반면 국부적 그리고 다중 소스 이미지는 여전히 작용한다(Scherg and Berg 1991). 여기서 작용한 MUSIC은 활성의 중심점에 이른다. 다양하게 나타난 방법에서 내재적인 추정과 비교는 단일-시간-지점 방식이 뇌 생리학적으로 일치하지 않는 엄격한 추정의 필요성을 드러낸다. 단일 이동 쌍극자 모델은 하나의 뇌부위가 그 시간에 활성한다고 가정한다. 이런 가정은 거의 검증되지 않았다(MEG 분석에서). 최소 규범 추정은 뇌에서 소스 전류에 걸쳐 총합을 통계적으로 최소값으로 제약하는 것으로 안정되어진 선형 방정식의 불충분하게 결정된 시스템에 기반을 둔다. 국부적 그리고 다중 쌍극자 모델은 기록하는 채널의 수 보다 적은 이산 소스 수를 가진다. 적합한 모델에서 필요한 소스의 수는 순차적으로 증가되고 검증된다; PCA는 가능한 소스의 최소수를 사전에 객관적으로 추정한다. 소스는 마지막 소스가 프로브 소스가 될 때 까지 추가된다. 그리고 다른 모델의 소스에 의해서 지배되지 않는 어떤 voxel에서 어떤 중요한 활성이 드러나지 않을 때까지 추가한다. 이런 철차가 적용될 때 주어진 데이터 세트에서 추출되어질 수 있는 거시적 소스의 수는 어떤 것도 더 가정되어 있지 않고 데이터 그 자체에서 분석되어진다. 이런 경우 국부적 그리고 다중 쌍극자 이미지는 다음 보다 다른 어떤 가정도 없다는 것에 기반을 둔다; 1) 뇌 활성의 국소화된 부위가 있다. 2) 국소화 된 전류는 머리 용적 전도의 물리적 현상에 따라 두피에서 전위차이를 나타낸다. 머리 모형의 정확도는 다중 쌍극자 모델에 의한 소스 활성의 분리 능력에 영향을 미치지 않고 신호 분리의 질과 위치 및 방향에서 정밀성에 영향을 더 미친다.

 

대상자 2의 SEP 데이터에서 이동 쌍극자 산출은 대상자 2에서 N20-P22 범위에서 안정적이지 않은 반면, 시공간 분석은 뇌간, 시상, 대측 중심구 부근에서 위치한 소스로부터 다양하게 중첩되는 처리과정으로(multiple overlapping process) 드러났다. 다른 대상자에서 SEP 분석과 이들 결과들의 자세한 논의는 다른 곳에서 찾을 수 있다(Buchner and Scher 1991; Scherg and Buchner 1992). 5개 쌍극자 모델을 가진 대상자 1에서 국부적 소스 이미지를 비교해 보면, 다중 소스가 voxel 수준(약 2cm직경) 이하 또는 그 수준의 크기를 가진 부근에 위치할 경우 다중 쌍극자 모델은 모호해질 수 있다. 그런 작은 용적에서 다중 쌍극자를 정의 하는 "fine tuning" 과정에서 모호성은 쌍극자 축을 회전하기 위한 local regional source 불변성에서 생겨난다. 그것은 외부적인 지식으로 극복 할 수 있다(Scherg and Berg 1991). 그런 지식은 생리학적(소스 처리과정의 파형) 또는 해부학적(구조에 기초를 둔 방향) 기반을 둘 수 있다. MEG는 단지 두 개의 접선 방향 차원에서만 소스 전류를 감지한다. 따라서 그것은 EEG보다 이런 "fine tuning" 문제에 여러가지로 영향을 줄 것이다(Scherg and Buchner 1992).

 

뇌 소스 이미지는 환자에게 반복적으로 사용할 수 있는 비침습적이고 비싸지 않은 기능적 진단 기술이다. 그러나 신뢰도를 높이기 위해서 EEG와 ERPs는 더 많은 두피(>30)에서 일정하게 기록되어야 한다. 빠른 전극 배치 기술과 전극 위치의 더 정확한 측정은 구조적 MRI 이미지와 매칭되는 기능적 BSI 이미지를 가능하게 할 것이다. 두 가지 결과는 다음에서 도출 되었다; 1) 소스가 해부학적으로 관련된 것으로 인해 더 정확해 질 것이다. 2) 해부학은 그 활성의 시간 과정에 의해서 기능적 의미를 주어질 것이다.

 

 

http://blog.daum.net/ssu42th