Детальная информация
| Название | Разработка методики повышения разрешения нейровизуализации на основе решения обратной задачи электроэнцефалографии = Development of a method for increasing the resolution of neuroimaging based on solving the inverse problem of electroencephalography // Оптический журнал. – 2025. – № 11. — С. 88-98 |
|---|---|
| Авторы | Жданов А. Ю. ; Рыжова В. А. ; Коротаев В. В. |
| Выходные сведения | 2025 |
| Коллекция | Общая коллекция |
| Тематика | Вычислительная техника ; Имитационное компьютерное моделирование ; Биология ; Физиология человека ; электроэнцефалография ; нейровизуализация ; пространственное разрешение ; функциональные изображения ; анализ нейронной активности ; магнитно-резонансная томография ; электрофизиологические сигналы ; обработка изображений ; electroencephalography ; neuroimaging ; spatial resolution ; functional images ; analysis of neural activity ; magnetic resonance imaging ; electrophysiological signals ; image processing |
| УДК | 004.94 ; 612 |
| ББК | 32.973-018.2 ; 28.707.3 |
| Тип документа | Статья, доклад |
| Язык | Русский |
| DOI | 10.17586/1023-5086-2025-92-11-88-98 |
| Права доступа | Доступ по паролю из сети Интернет (чтение) |
| Ключ записи | RU\SPSTU\edoc\77687 |
| Дата создания записи | 10.12.2025 |
Пространственное разрешение функционального изображения, полученного на основе решения обратной задачи электроэнцефалографии. Цель работы. Разработка методики повышения пространственного разрешения функционального изображения и оптимизация выбора алгоритма формирования функционального изображения с использованием метрик статистического анализа распределений нейронной активности. Метод. Моделирование решения обратной задачи электроэнцефалографии выполнено с использованием библиотеки MNE-python языка Python. Разработан дизайн вычислительного эксперимента с использованием данных электроэнцефалографии и функциональной магнитно-резонансной томографии для верификации разработанной методики. Основные результаты. Разработана методика интеграции пространственной фильтрации в алгоритмы нейровизуализации, которая позволяет вдвое повысить пространственное разрешение функционального изображения, используя при этом только функциональные данные электроэнцефалографии. Предложена метрика оценки пространственного разрешения метода нейровизуализации, которая позволяет однозначно выбрать алгоритм обработки функционального изображения. Практическая значимость. Методика пространственной фильтрации функционального изображения позволяет различать источники электрофизиологических сигналов в пределах воксела со стороной 20 мм. Разработанный критерий оценки качества функционального изображения позволяет осуществить выбор оптимального алгоритма обработки изображения для конкретной прикладной задачи.
Subject of the study. Spatial resolution of functional image obtained by solving the inverse problem of electroencephalography. Objective of the work. Development of a method for increasing the functional image spatial resolution and the algorithm choice optimization for generating a functional image using metrics of neural activity distributions statistical analysis. Method. Modeling of the solution of the inverse electroencephalography problem was performed using the MNE-python library of the python language. A design of a computational experiment was developed using electroencephalography and functional magnetic resonance imaging data to verify the developed methodology. Main results. A method for integrating spatial filtering into neuroimaging algorithms has been developed, which allows doubling the spatial resolution of a functional image using only functional electroencephalography data. A metric for assessing the spatial resolution of a neuroimaging method is proposed, which allows unambiguously selecting an algorithm for processing a functional image. Practical significance. The method of spatial filtering of functional images allows distinguishing sources of electrophysiological signals within 20 mm. The developed criterion for assessing the quality of a functional image allows selecting the optimal image processing algorithm for a specific application problem.
Количество обращений: 47
За последние 30 дней: 17
