Functional brain imaging with M/EEG using structured sparsity in time-frequency dictionaries
Résumé
Magnetoencephalography (MEG) and electroencephalography (EEG) allow functional brain imaging with high temporal resolution. While time-frequency analysis is often used in the field, it is not commonly employed in the context of the ill-posed inverse problem that maps the MEG and EEG measurements to the source space in the brain. In this work, we detail how convex structured sparsity can be exploited to achieve a principled and more accurate functional imaging approach. Importantly, time-frequency dictionaries can capture the non-stationary nature of brain signals and state-of-the-art convex optimization procedures based on proximal operators allow the derivation of a fast estimation algorithm. We compare the accuracy of our new method to recently proposed inverse solvers with help of simulations and analysis of real MEG data.
On s'intéresse au problème inverse mal posé rencontré dans la localisation de sources d'activité cérébrale par M/EEG (magneto/électro-encéphalographie). Bien qu'on ait à disposition un modèle physique réaliste de la diffusion (ou du mélange) des sources, le caractère très sous-déterminé le rend très difficile à inverser. La nécessité de trouver des a priori forts et pertinents physiquement sur les sources est une des parties difficiles de ce problème. Bien que les ondelettes et les gaborettes soient largement utilisées en traitement du signal pour l'analyse temps-fréquence et le débruitage, elles n'ont été que relativement peu employées afin d'améliorer le problème inverse M/EEG. On présente comment les décompositions temps-fréquence et les a priori de parcimonie structurée peuvent être utilisés afin d'obtenir un a priori convexe et physiologiquement motivé. L'a priori introduit ici favorise des estimations avec peu de sources cérébrales actives, tout en ayant un décours temporel lisse. La méthode présentée est alors capable de reconstruire des signaux corticaux non-stationnaires. Les résultats obtenus sont comparés avec ceux obtenus par l'état de l'art sur des signaux MEG simulés, mais aussi sur des données réelles.
Domaines
Imagerie médicaleOrigine | Fichiers produits par l'(les) auteur(s) |
---|
Loading...