Real-Time MEG
Die raumzeitliche Organisation des menschlichen Gehirns in vivo zu verstehen ist eine der großen Herausforderungen der medizinischen Forschung. Da die Informationsverarbeitung in Bruchteilen von Sekunden abläuft, bedarf es bildgebender Verfahren mit hoher zeitlicher Auflösung und Methoden, welche die transienten elektrophysiologischen Prozesse verarbeiten können. Diesbezüglich stellt die Magnetenzephalographie (MEG) ein ideales Verfahren zur Untersuchung von schnell ablaufenden Prozessen dar. Unser Ziel beim Real-Time Projekt ist es die enormen Datenmengen, die während einer MEG Untersuchung anfallen, möglichst in Echtzeit zu verarbeiten. Kombiniert man diese Echtzeitverarbeitung mit Neuro-Feedback-Stimulation, so erhält man eine effektive Methode, welche die Möglichkeit der Interaktion mit ablaufenden Prozessen ermöglicht, um mehr über die Konnektivität beteiligter Areale zu erfahren. Vor allem für anspruchsvollere und zeitaufwendige Experimente ist es wünschenswert, vorläufige Ergebnisse bereits während der Messung zu erhalten.
Standard MEG Datenanalyse beinhaltet Rausch- und Artefaktunterdrückung, Quellenlokalisation, sowie die statistische Auswertung der räumlich-zeitlichen Dynamik der Gehirnaktivitäten. Diese Analyse ist zeitlich anspruchsvoll und nimmt gewöhnlich mehrere Tage in Anspruch. Daher müssen bei der Entwicklung von Real-Time fähigen Methoden alte Methoden überarbeitet und neue Konzept entwickelt werden (Rongen et al., 2006).
Vor kurzem haben wir einen Real-Time fähigen Algorithmus zur Rausch- und Artefaktunterdrückung entwickelt und publiziert (Breuer et al., 2014). Der Algorithmus basiert auf der Independent Component Analysis (ICA), eine Methode zur Bestimmung von statistisch unabhängigen Signalkomponenten in einer Mischung von Signalen. Zur Optimierung der ICA wurde Vorwissen über die erwarteten unterliegenden Signalkomponenten (z.B. Herzaktivität) genutzt, um die interne Kostenfunktion des ICA Algorithmus zu optimieren. Nach der Signalzerlegung wird die Identifikation und Unterdrückung von Artefaktsignalen vollkommen automatisch durchgeführt. Entwickelt und getestet wurde die Methode auf drei modernen MEG-Systemen (4-D Neuroimaging, VSM Med Tech Inc. und Elekta Neuromag).
Originalpublikationen
L. Breuer, J. Dammers, T. P. L. Roberts, and N. J. Shah, “A Constrained ICA Approach for Real-Time Cardiac Artifact Rejection in Magnetoencephalography,” IEEE Trans. Biomed. Eng., vol.61, no. 2, pp 405-414, Feb. 2014.
L. Breuer, M. Axer, and J. Dammers, “A new constrained ICA approach for optimal signal decomposition in polarized light imaging.,” J. Neurosci. Methods, vol. 220, no. 1, pp. 30–38, Sep. 2013.
H. Rongen , V. Hadamschek and M. Schiek "Real time data acquisition and online signal processing for magnetoencephalography", IEEE Trans. Nucl. Sci., vol. 53, no. 3, pp.704 -708, Jun. 2006.
Ansprechpartner
Dr. Jürgen Dammers
Group Leader: NeuroImaging Data Science
- Institut für Neurowissenschaften und Medizin (INM)
- Physik der Medizinischen Bildgebung (INM-4)
Raum 233