یک فیزیسیست

نه آن دریا، که شعرش جاودانه ست،

نه آن دریا، که لبریز از ترانه ست.

به چشمانت بگو بسپار ما را،

به آن دریا که ناپیدا کرانه ست!

"فریدون مشیری"

ارائه شده توسط: Nannan Cao

استاد راهنما: Arye Nehorai

گروه مهندسی پزشکی دانشگاه واشینگتن در سنت لویس

•  DOT مخفف DIFFUSE OPTICAL TOMOGRAPHY (استفاده از اشعه نزدیک به مادون قرمز برای تصویربرداری از مغز) است.

این پروژه روش هایی را برای براورد منابع مغزی گسترده بوسیله EEG و DOT ایجاد کرده است. همچنین راه حل هایی را برای forward and inverse problems (forward problem یعنی تعیین فیلد از روی یک منبع مشخص) می کند. این مدل می تواند برای مطالعه عملکرد مغز و صرع کانونی مفید باشد.

 در ابتدا با استفاده از EEG مدل پارامتری منابع مغزی گسترده ارائه شده است. در مقابل از تکنیک های عکسبرداری از منبع متناوبا استفاده شده است. یک مدل سر واقعی در نظر گرفته شده و forward problem حل شده است . پارامترهای منبع بوسیله "روش حد اکثر نمایی" و تحلیل دقت براورد ، محاسبه شده است. این مدل بوسیله نمونه های عددی و اطلاعات نمونه های تحت آزمایش، تا حد امکان نزدیک به EEG واقعی آزمایش شده است.

همچنین نوسازی دو روش تصویرگری DOT ارائه شده است که بوسیله آن فعالسازی مغزی گسترده به خوبی تومور های پستان محاسبه می شود. در این تحقیق ابتدا یک تکنیک فیلتر فضایی برای تعیین موقعیت ناهنجاری های بافت طراحی شده است که در آن از شکل دهی پرتو خطی شده با حداقل پراکندگی استفاده شده است. این فیلتر بهره عددی بیشتری نسبت به مدل های دیگر دارد و همچنین در مقابل خطاهای مدلسازی مستحکم است.  در این تحقیق راه حلی برای inverse problem در DOT ارائه شده است. این راه حل ماهیت پراکنده ناهنجاری ها را با هم ترکیب کرده و از روش Tikhonov-type دارای وضوح و دقت بیشتری است. همچنین inverse problem با منظم کردن پارامتر های نا مشخص و با استفاده از الگوریتم بیشترین مقدار چشمداشت ، قاعده مند شده است.

درستی این تحقیق بوسیله نمونه های عددی نشان داده شده است و همچنین مزیت های این روش نسبت به نمونه های فعلی مشخص است.

متن اصلی:

Department of Electrical and Systems Engineering

ESTIMATING EXTENDED BRAIN SOURCES USING EEG AND DIFFUSE OPTICAL TOMOGRAPHY

by

Nannan Cao

We develop methods for estimating extended brain sources using electroencephalography (EEG) and diffuse optical tomography (DOT). We provide solutions to both the forward and inverse problems, aiming to improve the modeling accuracy and reconstruction performance. Our methods can be useful for studying brain functions and localizing epilepsy foci.

We first propose parametric modeling of extended brain sources using EEG. In contrast to commonly used source imaging techniques, we directly parameterize the source extent information and use basis functions to incorporate prior information on the source distribution. We assume a realistic head model and solve the EEG forward problem using the boundary element method. We estimate the source parameters using the maximum likelihood method and analyze the estimation accuracy using the Cramer-Rao (CRB). We test our models using numerical examples, phantom data, as well as real EEG measurements of N20 responses.

We then propose two DOT image reconstruction methods to estimate extended brain activations as well as breast tumors. We first design a spatial filter technique to localize tissue abnormalities by using linearly constrained minimum variance (LCMV) beamforming. This filter has better computational efficiency than the Newton-type reconstruction approaches and is robust against modeling errors. We develop an inverse solution to DOT based on sparsity regularization. This solution incorporates the sparse nature of the abnormality and provides higher resolution than the Tikhonov-type regularization method. We formulate the inverse problem by regularizing the L1 norm of the unknown parameters and solve it iteratively using the expectation-maximization (EM) algorithm. We validate our methods using numerical examples and show the performance advantage compared with existing ones.

DATE: Wednesday, October 24, 2007

TIME: 11:00 a.m.

PLACE: Bryan Hall, Room 305

Thesis advisor:

Arye Nehorai