EEGソース分析の逆問題の解決に関するレビュー

このプライマーでは、EEGソースのローカリゼーションの逆問題のレビューを行います。これは、この分野の新しい研究者が、頭皮の潜在的な録音を生み出す脳源の近似ソリューションを見つけるために使用される最先端の技術に関する洞察を得るためのものです。さらに、これらの異なる逆ソリューションを比較するために、さまざまな手法のパフォーマンス結果のレビューが提供されています。著者は、4つの非パラメトリックアルゴリズムを比較するために実行したモンテカルロ分析の結果も含まれているため、現在文献に記録されているものに貢献しています。他の研究者の仕事への参照の広範なリストも提供されています。このペーパーは、逆問題の数学的説明から始まり、脳波問題、主に非パラメトリックおよびパラメトリック法を解決するために開発された2つの主要なカテゴリの方法について議論します。2つの主な違いは、固定数の双極子が先験的に想定されるかどうかです。これらのカテゴリに該当するさまざまな手法は、最小限の規範推定値とその一般化、ロレタ、スロレタ、ヴァレタ、S-マップ、STマップ、バックスギルバート、ローラ、縮小ロレタフォーカス（SLF）、SSLOFO、ALFを含む非パラメトリック法を含む説明されています。およびビームフォーミングテクニック、BESA、それから派生した音楽や方法などの部分空間技術、罰金、シミュレーションアニーリング、およびパラメトリックメソッドの計算インテリジェンスアルゴリズム。文献に記録されているこれらの手法のパフォーマンスのレビューから、ほとんどの場合、ロレタソリューションが満足のいく結果をもたらすと結論付けることができます。双極子のクラスターを含む状況では、音楽や罰金などの高解像度アルゴリズムが推奨されます。ローラによって行われたように、信頼できる生物物理学的および心理的制約を課すことは、優れた結果をもたらしました。Monte-Carlo分析は、さまざまなノイズレベルと異なるシミュレーションソースの深さについて、WMN、ロレタ、スロレタ、SLFを比較して実行され、単一のソースのローカリゼーションでは、正規化されたスロレタが局在エラーとゴーストソースの両方の点で最適なソリューションを提供することが示されました。さらに、SLFによって与えられた計算集中的なソリューションは、このようなシミュレートされた条件下で追加の利点を与えることがわかっていません。

In this primer, we give a review of the inverse problem for EEG source localization. This is intended for the researchers new in the field to get insight in the state-of-the-art techniques used to find approximate solutions of the brain sources giving rise to a scalp potential recording. Furthermore, a review of the performance results of the different techniques is provided to compare these different inverse solutions. The authors also include the results of a Monte-Carlo analysis which they performed to compare four non parametric algorithms and hence contribute to what is presently recorded in the literature. An extensive list of references to the work of other researchers is also provided. This paper starts off with a mathematical description of the inverse problem and proceeds to discuss the two main categories of methods which were developed to solve the EEG inverse problem, mainly the non parametric and parametric methods. The main difference between the two is to whether a fixed number of dipoles is assumed a priori or not. Various techniques falling within these categories are described including minimum norm estimates and their generalizations, LORETA, sLORETA, VARETA, S-MAP, ST-MAP, Backus-Gilbert, LAURA, Shrinking LORETA FOCUSS (SLF), SSLOFO and ALF for non parametric methods and beamforming techniques, BESA, subspace techniques such as MUSIC and methods derived from it, FINES, simulated annealing and computational intelligence algorithms for parametric methods. From a review of the performance of these techniques as documented in the literature, one could conclude that in most cases the LORETA solution gives satisfactory results. In situations involving clusters of dipoles, higher resolution algorithms such as MUSIC or FINES are however preferred. Imposing reliable biophysical and psychological constraints, as done by LAURA has given superior results. The Monte-Carlo analysis performed, comparing WMN, LORETA, sLORETA and SLF, for different noise levels and different simulated source depths has shown that for single source localization, regularized sLORETA gives the best solution in terms of both localization error and ghost sources. Furthermore the computationally intensive solution given by SLF was not found to give any additional benefits under such simulated conditions.