Brain activity reconstruction from non-stationary M/EEG data using spatiotemporal constraints

Abstract

Magneto/Electroencephalography (M/EEG)-based neuroimaging is a widely used noninvasive technique for functional analysis of neuronal activity. One of the most prominent advantages of using M/EEG measures is the very low implementation cost and its height temporal resolution. However, the number of locations measuring magnetic/electrical is relatively small (a couple of hundreds at best) while the discretized brain activity generators (sources) are several thousand. This fact corresponds an ill-posed mathematical problem commonly known as the M/EEG inverse problem. To solve such problems, additional information must be apriori assumed to obtain a unique and optimal solution. In the present work, a methodology to improve the accuracy and interpretability of the inverse problem solution is proposed, using physiologically motivated assumptions. Firstly, a method constraining the solution to a sparse representation in the space-time domain is introduce given a set of methodologies to syntonize the present parameters. Secondly, we propose a new source connectivity approach explicitly including spatiotemporal information of the neural activity extracted from M/EEG recordings. The proposed methods are compared with the state-of-art techniques in a simulated environment, and afterward, are validated using real-world data. In general, the contributed approaches are efficient and competitive compared to state-of-art brain mapping methods

Resumen : El mapeo cerebral basado en señales de magneto/electroencefalografía (M/EEG), es una técnica muy usada para el análisis de la actividad neuronal en forma no invasiva. Una de las ventajas que provee la utilización de señales M/EEG es su bajo costo de implementación además de su sobresaliente resolución temporal. Sin embargo el número de posiciones magnéticas/eléctricas medidas son extremadamente bajas comparadas con la cantidad de puntos discretizados dentro del cerebro sobre los cuales se debe realizar la estimación de la actividad. Esto conlleva a un problema mal condicionado comúnmente conocido como el problema inverso de M/EEG. Para resolver este tipo de problemas, información apriori debe ser supuesta para así obtener una solución única y óptima. En el presente trabajo investigativo, se propone una metodología para mejorar la exactitud e interpretación a la solución del problema inverso teniendo en cuenta el contexto fisiológico del problema. En primer lugar se propone un algoritmo en el cual se representa la actividad cerebral a través de un conjunto de funciones espacio-temporales dando metodologías para sintonizar los parámetros presentes. En segundo lugar, proponemos un nuevo enfoque mediante conectividad en fuentes que explícitamente incluye información espacial y temporal de la actividad neuronal extraída del M/EEG. Los métodos propuestos son comparados con métodos del estado del arte usando señales simuladas, y finalmente son validados usando datos reales de M/EEG. En general, los métodos propuestos son eficientes y competitivos en comparación a los métodos de referencia