فهرست نشریات علمی دسترسی آزاد ایران

در مکان‌یابی فعالیت مغز از روی سیگنال EEG یا MEG، روش­های مبتنی بر شکل­دهندة پرتوی وفقی کمینه واریانس، به‌دلیل رزولوشن بالا، کاربرد گسترده­ای دارند. متأسفانه، این روش­ها به‌دلیل استفاده از وارون ماتریس کوواریانس داده، اغلب زمانی که تعداد لحظات نمونه­برداری در مقایسه با تعداد گیرنده­ها کم است، با شکست مواجه می­شوند. این اتفاق، به‌خصوص برای داده­های حاصل از پتانسیل­های برانگیخته رخ می‌دهد. برای حل مشکل، روشی به نام تمام‌وفقی سریع (FFA) پیشنهاد شد، که یک روش چند‌مرحله­ای وفقی با الهام از ساختار پروانه­ای تبدیل فوریه (FFT) بوده و تعداد نمونه­های لازم برای مکان­یابی را به مقدار قابل‌توجهی کاهش می­دهد. از سوی دیگر، حساسیت زیاد این روش به توالی تقسیم داده و عملکرد ضعیف آن در SNRهای پایین، استفاده از آن را برای مکان­یابی فعالیت­های کوتاه­مدت مغزی با تردید همراه کرده است. در این مقاله، یک مرحلة پیش­پردازشی برای بهبود عملکرد FFA ارائه می­شود که در آن،  مغز به نواحی مجزا تقسیم و پایه­های هر ناحیه تعیین شده و با استفاده از این پایه‌ها، دادة هر ناحیه به‌دست می­آید. در ادامه، الگوریتم FFA روی دادة به‌دست آمده، اعمال می­شود. برای اثبات عملکرد روش ارائه‌شده، از داده­های شبیه­سازی ERP و دادة واقعی ERF استفاده شد. در تمام شبیه­سازی‌ها، FFA بهبود‌یافته، عملکرد بهتری از لحاظ شعاع پراکندگی (بهبود در حدود 4-9 میلی‌متر) و خطای مکان­یابی (بهبود در حدود 2-10 میلی‌متر) در مقایسه با روش FFA از خود نشان داد. همچنین روش پیشنهادی، رزولوشن بهتری در مکان­یابی داده واقعی ERF نشان داد. این نکته نیز مهم است که روش پیشنهادی، حساسیت کمتری نسبت به توالی تقسیم داده دارد. نتایج هر دو دادة شبیه­سازی و واقعی نشان می­دهد، که می­توان از FFA بهبود‌یافته به‌عنوان روشی مطمئن برای مکان­یابی فعالیت­های کوتاه‌مدت مغزی استفاده کرد.