Lokalizacja źródeł sygnału EEG

Sygnał mierzony przez elektrody EEG jest sumą pól elektrycznych pochodzących od wszystkich aktywnych generatorów w mózgu. Obliczenie, jakie pola elektryczne wygeneruje dany rozkład źródeł, jest zadaniem prostym (ang. forward problem) i ma jednoznaczne rozwiązanie — znając geometrię głowy i parametry przewodnictwa, możemy obliczyć, jaki potencjał pojawi się na skalpie.

Odwrócenie tego zadania — odtworzenie rozkładu źródeł z potencjału na skalpie — to problem odwrotny (ang. inverse problem). I tutaj pojawia się fundamentalne ograniczenie, opisane matematycznie przez Helmholtza już w XIX wieku: problem odwrotny w EEG nie ma jedynego rozwiązania. Dla dowolnego rozkładu potencjału na powierzchni istnieje nieskończona liczba konfiguracji źródeł wewnątrz mózgu, które mogłyby ten rozkład wygenerować.

W praktyce nie można "odczytać" lokalizacji generatora z topografii ERP. Każde rozwiązanie problemu odwrotnego wymaga przyjęcia założeń regularyzacyjnych, które zawężają przestrzeń możliwych rozwiązań. Różne metody lokalizacji przyjmują różne założenia — i mogą dawać różne odpowiedzi dla tych samych danych.

Dlatego twierdzenie w artykule naukowym, że "komponent X pochodzi z obszaru Y" wyłącznie na podstawie topografii skalpowej jest błędem interpretacyjnym. Lokalizacja źródeł wymaga specjalistycznej analizy z jasno zadeklarowanymi założeniami.

Niezależna analiza składowych (ICA) — opisana w temacie 5 jako metoda usuwania artefaktów — jest jednocześnie pierwszym krokiem lokalizacji źródeł. ICA rozkłada sygnał EEG na niezależne statystycznie składowe (IC), z których każda ma charakterystyczną topografię skalpową.

Jeśli dana składowa pochodzi od dipolarnego źródła korowego (tj. zsynchronizowanej warstwy neuronów piramidalnych), jej topografia będzie mieć kształt dipola — gładki, jednomodalny, z wyraźnym maksimum po jednej stronie głowy i minimum po drugiej. Artefakty (mrugnięcia, ruch mięśni) mają z reguły nieregularną, wieloszczytową topografię.

Współczynnik dipolarity (ang. Residual Variance, RV) opisuje, jak dobrze topografia składowej pasuje do modelu jednego dipola: RV < 15% uznaje się za akceptowalną dipolarnością. Tylko składowe o niskim RV warto poddawać dalszej lokalizacji anatomicznej.

Praktyczne zastosowanie: po ICA można dopasować dipol do każdej składowej o dobrej dipolarnością i uzyskać jej przybliżoną lokalizację anatomiczną — na przykład: składowa IC3 to aktywność lewej kory wzrokowej (V1/V2), IC7 to kora ruchowa przednia prawa, IC12 to artefakt mrugnięcia. Takie "etykietowanie" składowych ICA połączone z lokalizacją dipola jest standardowym podejściem stosowanym w EEGLAB (narzędzie DIPFIT).

Najczęściej stosowaną metodą lokalizacji źródeł dla składowych ICA jest dopasowanie dipola równoważnego (ang. Equivalent Current Dipole, ECD), zaimplementowane w EEGLAB jako plugin DIPFIT.

Założenie: każde źródło korowe można przybliżyć jako jeden lub dwa dipole prądowe. Dipol równoważny ma trzy parametry położenia (x, y, z) i trzy parametry orientacji (Dx, Dy, Dz) — łącznie 6 parametrów na dipol. Algorytm minimalizuje różnicę między obserwowaną topografią skalpową a topografią przewidywaną przez model dipola dla danego modelu głowy.

Modele głowy określają, jak prąd elektryczny przewodzi się przez warstwy mózgu, czaszki i skóry: - Model sferyczny (4-shell): głowa przybliżona czterema sferami koncentrycznymi reprezentującymi mózg, opony, kość czaszki i skórę. Szybki obliczeniowo, lecz nieprecyzyjny anatomicznie — szczególnie w obszarach niekulistych (płaty czołowe, skroniowe). - Realistic head model (BEM — Boundary Element Method): oparty na rzeczywistej anatomii z MRI. Modele grupy BEM (np. MNI Montreal Neurological Institute average brain) lub indywidualny MRI uczestnika. Znacznie dokładniejszy przestrzennie, lecz wymaga segmentacji MRI i jest obliczeniowo kosztowny.

Dokładność przestrzenna: przy realistycznym modelu głowy i gęstej siatce elektrod (64+ kanałów) błąd lokalizacji dipola o dobrej dipolarnością wynosi typowo 1–2 cm — dla korowych obszarów z prostą geometrią (kora potyliczna, sensomotoryczna). Dla struktur głębszych (hipokamp, wzgórze) lub obszarów silnie pofałdowanej kory błąd może przekroczyć 3–4 cm.

Poza modelem dipola istnieją metody dystrybucyjne (ang. distributed source models), które zamiast kilku dipoli zakładają tysiące miniaturowych dipoli rozmieszczonych w całej korze mózgowej. Rozwiązanie wybierane jest według kryterium minimalizującego pewną normę rozkładu aktywności: - LORETA i jego wersje (sLORETA, eLORETA): minimalizuje przestrzenny Laplacian aktywności — faworyzuje gładkie, rozległe rozkłady. Często używany gdy generator jest rozproszony lub gdy nie ma a priori powodów do założenia dipolowego źródła. - Beamformer (LCMV): filtr przestrzenny optymalizujący stosunek sygnał-szum w każdym wokselku mózgu. Szczególnie efektywny dla sygnałów oscylacyjnych (analiza mocy pasm).

Cztery ograniczenia:

Po pierwsze — wszystkie rozwiązania są oszacowaniami, nie pomiarami. Wynik lokalizacji to najbardziej prawdopodobna lokalizacja przy przyjętych założeniach, nie prawda anatomiczna.

Po drugie — problem odwrotny nie ma jedynego rozwiązania, więc dwa algorytmy mogą wskazać różne obszary dla tych samych danych. Wyniki jednej metody bez replikacji drugą metodą lub bez potwierdzenia obrazowaniem (fMRI, MEG) traktuj ostrożnie — same w sobie to za mało.

Po trzecie — głębokość generatora dramatycznie obniża dokładność: sygnał z hipokampa, ciała migdałowatego czy wzgórza jest silnie tłumiony przez warstwy tkanek i trudny do odróżnienia od sygnałów korowych.

Po czwarte — wymagana liczba elektrod: lokalizacja ma sens przy minimum 64 kanałach, optymalnie 128+. Przy 19-kanałowym systemie klinicznym lokalizacja źródeł jest zbyt niejednoznaczna, by wnioskować o millimetrowych różnicach.

Badanie, które raportuje lokalizację źródeł EEG jako dowód na aktywację konkretnego obszaru mózgu, powinno jasno opisywać zastosowany model głowy, liczbę elektrod, metodę regularyzacji i wartości RV — bez tych informacji wyniki lokalizacji są niemożliwe do oceny.