Spatial sampling of MEG and EEG based on generalized spatial-frequency analysis and optimal design.
Spatial sampling of MEG and EEG based on generalized spatial-frequency analysis and optimal design.
复制标题
DOI：
10.1016/j.neuroimage.2021.118747
复制
发表时间：
2021-12-15
期刊：
影响因子：
5.7
通讯作者：
Parkkonen L
中科院分区：
文献类型：
--
作者：
Iivanainen J;Mäkinen AJ;Zetter R;Stenroos M;Ilmoniemi RJ;Parkkonen L
我们使用一个真实的头部模型分析MEG和EEG的空间采样。头皮上MEG可以受益于比EEG和头皮外MEG多三倍的样本。我们优化样本位置，以传达来自大脑的最多信息。当传感器数量有限时，优化采样可能很有用。可以优化样本位置以靶向大脑中的感兴趣区域。在本文中，我们分析了空间采样的电（EEG）和脑磁图（MEG），其中的电场或磁场通常是在一个曲面上，如头皮采样。通过模拟来自一个有代表性的成年男性头部的场，我们研究了EEG中的空间频率内容以及头皮上和头皮外的MEG。该分析表明，头皮上MEG、头皮外MEG和EEG可以分别从多达280、90和110个空间样本中受益。此外，我们提出了一种新的方法来获得传感器的位置是最佳的先验假设。该方法还允许控制，例如，传感器位置的均匀性。基于我们的模拟，我们认为，对于少量的空间样本，模型通知的非均匀采样可能是有益的。对于大量的样本，均匀采样网格产生几乎相同的总信息的模型知情的网格。
We analyze spatial sampling of MEG and EEG using a realistic head model. On-scalp MEG may benefit from three times more samples than EEG and off-scalp MEG. We optimize sample positions to convey the most information from the brain. Optimized sampling can be useful when the sensor number is limited. The sample positions can be optimized to target a region of interest in the brain. In this paper, we analyze spatial sampling of electro- (EEG) and magnetoencephalography (MEG), where the electric or magnetic field is typically sampled on a curved surface such as the scalp. By simulating fields originating from a representative adult-male head, we study the spatial-frequency content in EEG as well as in on- and off-scalp MEG. This analysis suggests that on-scalp MEG, off-scalp MEG and EEG can benefit from up to 280, 90 and 110 spatial samples, respectively. In addition, we suggest a new approach to obtain sensor locations that are optimal with respect to prior assumptions. The approach also allows to control, e.g., the uniformity of the sensor locations. Based on our simulations, we argue that for a low number of spatial samples, model-informed non-uniform sampling can be beneficial. For a large number of samples, uniform sampling grids yield nearly the same total information as the model-informed grids.
登录
查看更多内容
影响因子：
3.7
作者：
Boto E;Bowtell R;Krüger P;Fromhold TM;Morris PG;Meyer SS;Barnes GR;Brookes MJ
通讯作者：
Brookes MJ
影响因子：
5.7
作者：
Iivanainen J;Stenroos M;Parkkonen L
通讯作者：
Parkkonen L
影响因子：
22.7
作者：
Crane, Keenan;Weischedel, Clarisse;Wardetzky, Max
通讯作者：
Wardetzky, Max
DOI：
10.1007/978-3-319-78999-6_29
发表时间：
2018-01-01
期刊：
HANDBOOK OF MATHEMATICAL GEOSCIENCES: FIFTY YEARS OF IAMG
影响因子：
--
作者：
Chiles, Jean-Paul;Desassis, Nicolas
通讯作者：
Desassis, Nicolas
影响因子：
3.7
作者：
Graichen U;Eichardt R;Fiedler P;Strohmeier D;Zanow F;Haueisen J
通讯作者：
Haueisen J