To estimate the distributed electri

To estimate the distributed electrical current image in the brain at each time sample we used the Minimum Norm Approach (Hamalainen & Ilmoniemi, 1994) as implemented in BESA Research 6.0. The sources were evenly distributed using 1500 standard locations 10% and 30% below the smoothed brain surface (750 for each shell). The inverse solution problem was stabilized by the minimum norm mathematical constraint: Out of the many current distributions that could account for the recorded sensor data, the solution with the minimum L2 norm (i.e., the minimum total power of the current distribution) was used. This is performed as follows: First, the forward solution (lead field matrix L) of all sources was calculated in the current model. Then, the source activities S(t) of all source components were computed from the data matrix D(t) using an inverse regularized by the estimated noise covariance matrix where L is the lead field matrix of the distributed regional source model, denotes the noise correlation matrix in sensor space, and R is a weighting matrix in source space. The total activity of each regional source is computed as the root mean square of the source activity S(t) of its 3(MEG:2) components. Additionally, we applied depth weighting and spatio-temporal weighting. Depth waiting was used in order for both deep and superficial source to produce a similar, more focal result (as opposed to deep sources appearing very smeared in a minimum-norm reconstruction). This was computed by scaling the lead field of each regional source with the largest singular value of the SVD (singular value decomposition) of the source’s lead field. The spatrio-temporal weighting was conducted to assign large weight to the sources that are assumed to be more likely to contribute to the recorded data. We first divided the signal into a signal and a noise subspace. The correlation of the lead field of a regional source i with the signal subspace (pi) was computed to find out if the source location contributes to the measured data. The weighting matrix R then becomes a diagonal matrix. Each of the three (MEG:2) components of a regional source get the same weighting value (Mosher and Leahy, 1998). There was no constraint posited on the dipole orientation (we used free orientation), the regularization constant was 1% and we did not apply any normalization (although we did use the residual variance fit criterion). Regions of interest were defined in terms of Bradman areas (BAs), which were isolated with the Talairach Daemon (Lancaster rt al., 1997, 2000) from the BESA source space.

ผลลัพธ์ (ไทย) 1:

การประเมินการกระจายรูปปัจจุบันไฟฟ้าในสมองที่แต่ละตัวอย่างเวลา เราใช้วิธีปกติต่ำสุด (Hamalainen & Ilmoniemi, 1994) เป็นดำเนินการใน BESA วิจัย 6.0 แหล่งมาได้อย่างสม่ำเสมอกระจายใช้ 1500 ตำแหน่งมาตรฐาน 10% และ 30% ด้านล่างพื้นผิวสมองที่ปรับให้โค้ง (750 สำหรับแต่ละเชลล์) ปัญหาโซลูชันผกผันไม่เสถียร โดยข้อจำกัดทางคณิตศาสตร์ต่ำปกติ: จากการที่ในปัจจุบันการกระจายที่สามารถบัญชีสำหรับเซ็นเซอร์บันทึกข้อมูล ใช้โซลูชันกับ L2 ปกติต่ำสุด (เช่น ขั้นต่ำรวมอำนาจการกระจายปัจจุบัน) นี้จะดำเนินการดังนี้: ครั้งแรก คำนวณแก้ปัญหาไปข้างหน้า (รอฟิลด์เมทริกซ์ L) แหล่งทั้งหมดในรุ่นปัจจุบัน แล้ว กิจกรรมแหล่งที่มา S(t) ประกอบแหล่งที่มาทั้งหมดถูกคำนวณจากข้อมูล เมตริกซ์โดยใช้ตัวผกผัน regularized โดยเมตริกซ์ความแปรปรวนร่วมประเมินเสียงโดยที่ L คือ เมตริกซ์ฟิลด์ลูกค้าเป้าหมายของรุ่นภูมิภาคแหล่งกระจาย D(t) แสดงเมตริกซ์สหสัมพันธ์ของเสียงในพื้นที่เซ็นเซอร์ และ R คือ เมทริกซ์น้ำหนักในพื้นที่แหล่งที่มา กิจกรรมของแต่ละภูมิภาคแหล่งรวมคำนวณเป็นค่าเฉลี่ยกำลังสองรากของแหล่งกิจกรรม S(t) ของคอมโพเนนต์ 3(MEG:2) นอกจากนี้ เราใช้น้ำหนักความลึกและน้ำหนัก spatio ชั่วคราว ใช้รอความลึกให้ลึก และผิวเผินแหล่งผลิตคล้าย ผลโฟกัสเพิ่มเติม (ตรงข้ามกับแหล่งลึกปรากฏชัดมากในฟื้นฟูปกติขั้นต่ำ) นี้ถูกคำนวณ โดยการกำหนดขนาดฟิลด์เป้าหมายของแต่ละภูมิภาคแหล่ง ด้วยค่าเอกพจน์ที่ใหญ่ที่สุดของ SVD (แยกส่วนประกอบค่าเอกพจน์) ของเขตข้อมูลของแหล่งลูกค้าเป้าหมาย น้ำหนัก spatrio ขมับได้ดำเนินการกำหนดน้ำหนักขนาดใหญ่ไว้ให้เป็นแนวโน้มที่จะนำไปสู่การบันทึกข้อมูล เราต้องแบ่งสัญญาณสัญญาณและ subspace เสียง ความสัมพันธ์ของฟิลด์เป้าหมายของฉันกับ subspace สัญญาณ (ปี่) ถูกคำนวณเพื่อค้นหาว่าสถานที่แหล่งแหล่งภูมิภาคจัดสรรข้อมูลวัด น้ำหนักเมตริกซ์ R นั้นกลายเป็น เมทริกซ์ทแยงมุม แต่ละคอมโพเนนต์ (เม็ก: 2) สามของภูมิภาคแหล่งรับค่าน้ำหนักเดียวกัน (Mosher และ Leahy, 1998) มีข้อจำกัดไม่ posited บนแนว dipole (เราใช้แนวฟรี), ค่าคง regularization มี 1% และเราไม่ได้ใช้ฟื้นฟูใด ๆ (แม้ว่าเราไม่ได้ใช้เกณฑ์ต่างเหลือพอดี) ภูมิภาคที่น่าสนใจในพื้นที่ Bradman (BAs), ซึ่งถูกแยก ด้วยมอน Talairach (rt แลงคาสเตอร์ al., 1997, 2000) จากพื้นที่แหล่ง BESA กำหนดไว้

ผลลัพธ์ (ไทย) 2:

ในการประมาณการกระจายภาพกระแสไฟฟ้าในสมองที่กลุ่มตัวอย่างในแต่ละครั้งที่เราใช้วิธีการนอร์มขั้นต่ำ (Hamalainen และ Ilmoniemi, 1994) ในขณะที่การดำเนินการในการวิจัย BESA 6.0 แหล่งที่มาถูกกระจายอย่างสม่ำเสมอโดยใช้สถานที่ 1500 มาตรฐาน 10% และ 30% ต่ำกว่าพื้นผิวเรียบสมอง (750 สำหรับแต่ละเปลือก) ปัญหาการแก้ปัญหาที่ตรงกันข้ามมีเสถียรภาพโดยบรรทัดฐานทางคณิตศาสตร์ขั้นต่ำ จำกัด : จากการกระจายในปัจจุบันหลายคนที่อาจบัญชีสำหรับการบันทึกข้อมูลเซ็นเซอร์, การแก้ปัญหาที่มีบรรทัดฐาน L2 ขั้นต่ำ (เช่นพลังงานทั้งหมดขั้นต่ำของการกระจายปัจจุบัน) ถูกนำมาใช้ นี้จะดำเนินการดังต่อไปนี้ประการแรกการแก้ปัญหาไปข้างหน้า (เขตเมทริกซ์นำ L) ของแหล่งที่มาทั้งหมดที่คำนวณได้ในรูปแบบปัจจุบัน จากนั้นกิจกรรมเอ (t) ของชิ้นส่วนแหล่งที่มาทั้งหมดถูกคำนวณจากเมทริกซ์ข้อมูล D (t) โดยใช้ผกผัน regularized โดยแปรปรวนเมทริกซ์เสียงประมาณโดยที่ L คือเมทริกซ์สนามนำของรูปแบบแหล่งภูมิภาคกระจายหมายถึงเสียง สัมพันธ์เมทริกซ์ในพื้นที่เซ็นเซอร์และ R คือเมทริกซ์น้ำหนักในพื้นที่แหล่งที่มา กิจกรรมรวมของแต่ละแหล่งภูมิภาคคำนวณเป็นรากหมายถึงตารางกิจกรรมเอ (t) 3 มัน (MEG: 2) ส่วนประกอบ นอกจากนี้เราใช้น้ำหนักความลึกและน้ำหนัก spatio กาล ความลึกรอถูกนำมาใช้เพื่อให้ทั้งแหล่งที่มาลึกและตื้น ๆ ในการผลิตที่คล้ายกันผลโฟกัสมากขึ้น (เมื่อเทียบกับแหล่งที่มาของป้ายลึกปรากฏมากในการฟื้นฟูขั้นต่ำบรรทัดฐาน) นี้ได้รับการคำนวณโดยการปรับสนามนำของแต่ละแหล่งที่มาในระดับภูมิภาคท​​ี่มีค่าที่ใหญ่ที่สุดของเอกพจน์ SVD (การสลายตัวมูลค่าเอกพจน์) ของสนามนำแหล่งที่มาของ น้ำหนัก spatrio-ชั่วได้ดำเนินการในการกำหนดน้ำหนักขนาดใหญ่ไปยังแหล่งที่มีการสันนิษฐานว่าจะมีแนวโน้มที่จะนำไปสู่​​ข้อมูลที่บันทึกไว้ ก่อนอื่นเราแบ่งสัญญาณเป็นสัญญาณและสเปซเสียง ความสัมพันธ์ของสนามนำของแหล่งที่มาของผมในระดับภูมิภาคท​​ี่มีสัญญาณสเปซ (ปี่) คำนวณจะพบว่าแหล่งที่มาของสถ​​านที่ก่อให้เกิดข้อมูลที่วัดได้ น้ำหนักเมทริกซ์ R แล้วจะกลายเป็นเมทริกซ์ทแยงมุม แต่ละแห่งที่สาม (MEG: 2) ส่วนประกอบของแหล่งกำเนิดในภูมิภาคได้รับค่าน้ำหนักเดียวกัน (เชอร์และ Leahy, 1998) มีข้อ จำกัด ไม่มี posited แนวขั้วเป็น (เราใช้การวางแนวทางฟรี) regularization คงเป็น 1% และเราไม่ได้ใช้มาตรฐานใด ๆ (แม้ว่าเราไม่ได้ใช้ความแปรปรวนที่เหลือเกณฑ์พอดี) ภูมิภาคท​​ี่น่าสนใจถูกกำหนดในแง่ของพื้นที่ต่อต้าน (BAs) ซึ่งถูกแยกกับ Talairach ภูต (แลงแคสเตอร์ RT al., 1997, 2000) จากพื้นที่แหล่ง BESA

ผลลัพธ์ (ไทย) 3:

เพื่อประเมินการกระจายกระแสไฟฟ้าในสมองที่แต่ละภาพตัวอย่างเวลาเราใช้วิธีเกณฑ์ขั้นต่ำ ( hamalainen & ilmoniemi , 1994 ) ที่ใช้ใน Besa วิจัยจาก แหล่งที่มา มีกระจายอยู่ทั่วไปใช้ 1500 มาตรฐานสถานที่ 10% และ 30% ด้านล่างเรียบผิวสมอง ( 750 สำหรับแต่ละเปลือก )การแก้ปัญหา คือ เสถียรภาพ โดยต่ำสุดผกผันกฎเกณฑ์ทางคณิตศาสตร์ข้อจำกัด : จากหลายกระแสว่าอาจบัญชีสำหรับการบันทึกเซ็นเซอร์ข้อมูลโซลูชั่นที่มีบรรทัดฐาน L2 น้อย ( เช่น ขั้นต่ำของการรวมพลังงานในปัจจุบัน ) คือใช้ นี้จะดำเนินการดังนี้ : ครั้งแรกโซลูชั่นไปข้างหน้า ( ตะกั่วผม Matrix นา ) ของแหล่งที่มาทั้งหมดถูกคำนวณในรูปแบบปัจจุบัน แล้วกิจกรรมแหล่ง S ( t ) ของส่วนประกอบทั้งหมดถูกคำนวณจากแหล่งข้อมูลเมทริกซ์ D ( t ) โดยใช้การผกผัน regularized โดยประมาณเสียงที่ฉันรอคอยความแปรปรวนเมทริกซ์เมทริกซ์ของการกระจายแหล่งข้อมูลในแบบแสดงเสียงของเมทริกซ์สหสัมพันธ์ในพื้นที่เซ็นเซอร์และ R คือค่าเมทริกซ์ในแหล่งพื้นที่ กิจกรรมทั้งหมดของแต่ละภูมิภาคแหล่งจะคำนวณเป็นค่าเฉลี่ยกำลังสองของแหล่งกิจกรรม S ( t ) มี 3 ( เม็ก : 1 ) ส่วนประกอบ นอกจากนี้ เราใช้ค่าความลึกและน้ำหนักเชิงพื้นที่และเวลา . ความลึกรอถูกใช้เพื่อทั้งลึกและตื้น แหล่งผลิตที่คล้ายกันการโฟกัสมากขึ้น ( ตรงข้ามกับแหล่งปรากฏ smeared ในการฟื้นฟูบูรณะบรรทัดฐานขั้นต่ำมากลึก ) นี้ถูกคำนวณโดยการนำข้อมูลของแต่ละแหล่งใหญ่ที่สุดในภูมิภาค ด้วยมูลค่าเอกพจน์ของ SVD ( การสลายตัวมูลค่าเอกพจน์ ) ของเขตนำของแหล่งที่มาการ spatrio ชั่วคราว ( มีวัตถุประสงค์เพื่อกำหนดน้ำหนักขนาดใหญ่ไปยังแหล่งที่ถือว่ามีแนวโน้มที่จะมีส่วนร่วมในการบันทึกข้อมูล เราแบ่งสัญญาณให้เป็นสัญญาณและเสียงได้ . ความสัมพันธ์ของผู้นำด้านของภูมิภาคที่มากับสัญญาณย่อย ( PI ) คือคำนวณเพื่อหาว่าตำแหน่งแหล่งมีส่วนช่วยในวัดข้อมูลน้ำหนักเมทริกซ์ R แล้วเป็นเมทริกซ์ในแนวทแยง แต่ละสาม ( เม็ก : 2 ) องค์ประกอบของแหล่งภูมิภาครับค่าน้ำหนักเดียวกัน ( โมเชอร์ และ Leahy , 1998 ) ไม่มีข้อจำกัดในการตั้งโพล ( ที่เราใช้ในการปฐมนิเทศ ฟรี ) , regularization คงที่คือ 1% และเราไม่ใช้บรรทัดฐานใด ๆ ( แม้ว่าเราจะใช้ความแปรปรวนตกค้างพอดีเกณฑ์ )ภูมิภาคของเงินกู้ที่กำหนดไว้ในข้อตกลงของแบรดเมินพื้นที่ ( BAS ) ซึ่งถูกแยกกับ talairach ภูต ( แลงคาสเตอร์ RT al . , 1997 , 2000 ) Besa ที่มาจากอวกาศ