Implementace 12kompartmentového modelu hlavy pro lokalizaci zdrojů EEG

Abstract

Práce se zabývá návrhem a implementací 12kompartmentového modelu lidské hlavy pro lokalizaci zdrojů EEG. Motivací práce je otestování vlastností 12kompartmentového modelu a možnost jeho využití v dalším výzkumu. Cílem práce bylo navrhnout a implementovat plně automatický postup pro vytvoření 12kompartmentového modelu hlavy z individuálního snímku MRI a implementovaný model porovnat s v současné době používanými modely z hlediska segmentace snímku MRI, lokalizace zdrojů simulovaných dat a lokalizace zdrojů reálných dat. K implementaci bylo použito programové prostředí MATLAB s využitím toolboxu FieldTrip pro pokročilé zpracování EEG. 12kompartmentový dopředný model byl vytvořen metodou konečných prvků na základě segmentace individuálního snímku MRI zbrusu novým segmentačním toolboxem MR-TIM. Pro účely srovnání 12kompartmentového modelu byl imlpementován běžně používaný 3kompartmentový model a 5kompartmentový model. Pro srovnání segmentací byly navrženy tři indexy shody vykreslené do matic záměn popisujících míru shody jednotlivých kompartmentů. 3, 5 a 12kompartmentová segmentace byly evaluovány kvalitativně mezi sebou a kvantitativně proti přesné, manuální segmentaci. Byly učiněny závěry o trendech použitých segmentačních přístupů nadhodnocovat objemy některých tkání na úkor jiných. Pro otestování lokalizace zdrojů navrženými modely byla použita inverzní metoda eLORETA. Přesnost lokalizace simulovaných dat byla hodnocena dvěma chybovými vzdálenostmi. Přesnost lokalizace jednoduššími modely byla vyhodnocena jako dostačující vzhledem k rozlišení používaných zdrojových modelů. Navíc byl zjištěn možný vliv většího počtu vrstev modelu na vznik lokálních maxim, která nebyla přítomna v původní aktivitě. Lokalizované zdroje reálných dat byly srovnány na základě vzdáleností maxim aktivity lokalizované jednotlivými modely. Byl proveden test korelovanosti vzdálenosti lokalizovaných maxim a míry shody odpovídajících segmentací, který korelovanost nepotrvdil.

The thesis deals with design and implementation of a 12-compartment human head model for EEG source localization. The motivation for this thesis is to test the properties of a 12-compartment model and to explore the possibility of its use in further research. The aim of the thesis was to design and implement a fully automatic procedure to create a 12-compartment head model of an individual MRI image and to compare the implemented model with commonly used models in terms of MRI image segmentation, localization of simulated data and localization of real data. The MATLAB software was used for implementation with use of the FieldTrip toolbox for advanced EEG processing. A 12-compartment forward model was created by the finite element method from an individual MRI image segmented by the brand new MR-TIM segmentation toolbox. A commonly used 3-compartment and 5-compartment models were implemented for the purpose of a comparison with the implemented 12-compartment model. Three indexes were proposed for segmentation comparison and plotted in confusion tables decribing the degree of correspondence between individual compartments. The 3, 5 and 12-compartment segmentations were evaluated qualitatively with each other and quantitatively against an accurate, manual segmentation. Conclusion have been drawn about the tendencies of the used segmentation approaches to overestimate volumes of some tissues at the expanse of others. Source localization with the proposed models was tested using the eLORETA inverse method. Accuracy of the source localization was evaluated using two error distance metrics. Accuracy of the simpler models was evaluated as sufficient in regards to the resolution of commonly used source models. Additionally, it was observed that a larger amount of layers in the model may have an effect on the generation of local maxima which were not present in the original activity. The source localization of real data was compared on the basis of distance between the activity maxima localized by different models. A correlation test between the distances in the localized maxima and the degree of correspondence of the corresponding segmentations was performed and did not confirm the correlation.