婴儿癫痫灶定位中脑电正问题模型误差补偿研究

The electroencephalogram (EEG) is a classic noninvasive and nonradiative method for seamless long term measuring a person’s brainwaves with high temporal resolution, and it is widely utilized in epilepsy seizure localization for infant. The EEG forward problem is the prerequisite for personalized localizing seizures utilizing EEG with realistic head model, which is applied for deriving the scalp potential based on the intracranial current distribution. However, the infant realistic head models generally do not include fontanels, the special tissue for infant. Therefore, the forward problem model is not accurate, and the accuracy of seizure localization is low. In order to solve this problem, we (1) build realistic finite element head models for different-month-old infants with their respective fontanels; (2) analyze the effects of fontanels with different-month-old infants on the forward problem based on Monte Carlo technique; (3) Compensate EEG forward modeling errors based on the Bayesian Approximation Error, and build a Bayesian EEG forward hierarchical approximation model corresponding to the infant’s month-old. The effectiveness of the approximate model will be evaluated by simulation data and real data. The findings of the study will contribute to improvement of the localization accuracy of infant seizure, cerebral cortical network analysis and neuro navigation and other related research.

脑电具有无辐射、无侵入性、时间分辨率高、可长程无间断监测脑内情况等优点，尤其适用于婴儿癫痫灶定位。脑电正问题即基于各脑组织形成的真实头模型，构建由脑内电流推演头皮电位分布的模型，是基于脑电的癫痫灶定位的基础。当前基于脑电的婴儿癫痫灶定位研究面临的一个问题是，既有的真实头模型缺少婴儿脑组织囟门，将直接导致正问题模型误差，癫痫灶定位精度受到影响。为此，本研究将（1）考虑囟门随月龄逐渐闭合，针对不同月龄婴儿构建带有囟门的真实有限元头模型；（2）基于蒙特卡罗方法，深入分析并揭示各月龄婴儿的囟门对正问题模型的影响机制；（3）基于贝叶斯逼近误差理论构建无囟门时脑电正问题分层逼近模型，以精准补偿该模型误差，并通过仿真和真实数据验证新模型的有效性。预期结果将完善婴儿癫痫灶定位方法，提高定位精度。对婴儿癫痫诊治方案的规划、脑功能网络分析及神经导航系统等相关研究奠定基础，具有重要意义。

脑电正问题建模是基于真实几何头脑模型、颅内神经源模型和电极位置，构建由颅内大脑皮层放电推演颅外头皮电位分布的模型，是脑电在颅内大脑皮层上成像（简称源成像）的重要前提，因此，提高正问题建模精度具有重要意义。如前所述，构建高精度的正问题模型需要高精度的真实几何头脑模型，然而婴儿特有的脑组织囟门在无辐射的MR下分割困难，需在CT下分割，但CT辐射强通常不对婴儿进行CT扫描。因此，为避免辐射，婴儿脑电正问题建模通常基于MR的无囟门真实几何头脑模型完成，存在模型误差，如何在上述情况下补偿误差以提高婴儿脑电正问题建模精度亟待解决。为此，本项目研究基于现有MR和CT的含/不含囟门的婴儿真实头脑几何模型与脑电正问题模型构建，为正问题模型误差分析与补偿奠定基础；采用国际惯用的头皮测量值相对差异和头皮测量值比值的对数值作为误差评估准则，基于蒙特卡罗方法统计不含囟门脑电正问题模型相比含囟门模型在全脑上的误差分布，从而揭示囟门对脑电正问题模型误差影响机制，为该项误差的补偿方法研究提供思路；针对基于MR的无囟门真实几何头脑模型，研究基于贝叶斯逼近误差的婴儿脑电正问题模型误差补偿方法，有效抑制囟门引起的正问题模型误差，提高婴儿脑电正问题模型精度；研发了一套婴儿脑电正问题计算软件，可实现婴儿脑电个性化正问题传导矩阵计算与可视化等功能；基于合作单位的真实数据验证了基于所提正问题模型误差补偿方法定位癫痫灶，在定位精度上有所提高，验证了该方法可为临床中婴儿不进行具有辐射性的CT扫描而仅进行MR扫描情况下癫痫灶定位提供更有效的循证依据与评估手段，即验证了所提方法的有效性和实际价值。另外，基于本项目，还在脑电伪迹去除、癫痫发作预警、高频振荡痫样棘波检测等方面进行了拓展研究。整体上，本项目所取得的成果不仅可用于癫痫的辅助诊断与研究，还可以拓展应用于脑功能损伤等其他脑疾病辅助诊断以及认知探索等脑科学研究中。