Многофакторный метод разделения ЭЭГ на корковую и глубинную составляющиестатья
Статья опубликована в журнале из списка RSCI Web of Science
Информация о цитировании статьи получена из
Web of Science
Статья опубликована в журнале из перечня ВАК
Статья опубликована в журнале из списка Web of Science и/или Scopus
Дата последнего поиска статьи во внешних источниках: 2 декабря 2016 г.
Аннотация:Предлагается новый метод разделения многоканально регистрируемой электрической активности мозга с помощью многофакторного анализа на корковую и глубинную составляющие с целью раз-дельной и поэтому более надежной локализации источников данной электрической активности как в глубине мозга (на основе дипольной модели), так и на поверхности коры. Предлагаемый метод не зависит от проблемы вращения и интерпретации факторов, при его использовании не допускается потери данных. Алгоритм MUFASEL основан на идее объединения всех выделяемых на данном вре-менном отрезке электроэнцефалограммы или вызванного потенциала факторов в две группы на основании статистического критерия, позволяющего определять общие и характерные факторы. Предполагается, что общие факторы, нагружаемые высококоррелируемыми между собой отведе¬ниями, описывают в основном электрическую активность глубоко лежащих структур мозга, тогда как характерные факторы, каждый из которых описывает динамику активности только по какому-то одному отведению, в совокупности будут отражать активность поверхностно расположенных структур мозга.
The Multifactor Method of EEG Separation Into the Cortical and Deep Components.
A new method of separation of multichannel brain electrical activity into cortical and subcortical components with the help of multifactor analysis is proposed. The method provides a means for isolation and, consequently, more reliable localization of sources of electrical activity not only in deep brain structures (on the basis of the dipole model) but also on the cortical surface. The proposed method does not depend on the rotation and inter¬pretation of factors, and no data losses occur. The mufasel algorithm is based on integration of all selected fac¬tors (within a particular EEG or EP time segment) in two groups using a statistical criterion, which defines gen¬eral and specific factors. It is assumed that general factors loaded with highly correlated derivations predomi¬nantly describe the electrical activity of deep brain structures, whereas specific factors loaded by the dynamics of electrical activity in individual derivations, reflect the integrated activity of cortical brain structures.