Sur la numérisation électromagnétique de la tête en MEG et EEG

Aug 31, 2023

Rapports scientifiques volume 13, Numéro d'article : 3801 (2023) Citer cet article

1097 accès

3 Altmétrique

Détails des métriques

Dans les études MEG et EEG, la précision de la numérisation de la tête a un impact sur le co-enregistrement entre les données fonctionnelles et structurelles. Le co-enregistrement est l'un des principaux facteurs qui affectent la précision spatiale dans l'imagerie source MEG/EEG. Les points tête-surface (cuir chevelu) numérisés avec précision améliorent non seulement le co-enregistrement, mais peuvent également déformer un modèle IRM. Une telle IRM à modèle individualisé peut être utilisée pour la modélisation de la conductivité dans l'imagerie source MEG/EEG si l'IRM structurelle de l'individu n'est pas disponible. Les systèmes de suivi électromagnétique (EMT) (en particulier Fastrak, Polhemus Inc., Colchester, VT, USA) ont été la solution la plus courante pour la numérisation en MEG et EEG. Cependant, ils peuvent parfois souffrir d'interférences électromagnétiques ambiantes, ce qui rend difficile l'obtention d'une précision de numérisation (sub-)millimétrique. L'étude actuelle—(i) a évalué les performances du système Fastrak EMT dans différentes conditions de numérisation MEG/EEG, et (ii) explore la facilité d'utilisation de deux systèmes EMT alternatifs (Aurora, NDI, Waterloo, ON, Canada ; Fastrak avec un émetteur à courte portée) pour la numérisation. La fluctuation du suivi, la précision de la numérisation et la robustesse des systèmes ont été évaluées dans plusieurs cas de test à l'aide de cadres de test et de modèles de tête humaine. Les performances des deux systèmes alternatifs ont été comparées au système Fastrak. Les résultats ont montré que le système Fastrak est précis et robuste pour la numérisation MEG/EEG si les conditions de fonctionnement recommandées sont respectées. Le Fastrak avec l'émetteur à courte portée présente une erreur de numérisation comparativement plus élevée si la numérisation n'est pas effectuée très près de l'émetteur. L'étude montre également que le système Aurora peut être utilisé pour la numérisation MEG/EEG dans une plage restreinte ; cependant, certaines modifications seraient nécessaires pour faire du système un numériseur pratique et facile à utiliser. Sa fonction d'estimation des erreurs en temps réel peut potentiellement améliorer la précision de la numérisation.

Dans l'imagerie de source fonctionnelle électromagnétique telle que la magnétoencéphalographie (MEG) et l'électroencéphalographie (EEG), les images anatomiques IRM (imagerie par résonance magnétique) de la tête d'un individu sont généralement utilisées pour définir la géométrie et le modèle de tête pour les calculs. Une fusion fiable des informations fonctionnelles et anatomiques nécessite que les emplacements des repères anatomiques soient connus avec précision sur la surface de la tête. De plus, les emplacements et orientations des capteurs/électrodes par rapport à la tête doivent être connus avec une précision suffisante1. Les données fonctionnelles et anatomiques étant acquises par deux systèmes d'imagerie médicale distincts, leur combinaison nécessite de co-enregistrer leurs cadres de coordonnées pour définir une transformation affine entre les systèmes de coordonnées MEG/EEG et IRM. Ce co-enregistrement est généralement effectué en alignant manuellement un ensemble de points repères déterminés dans les deux cadres de coordonnées. Trois repères anatomiques facilement identifiables sur l'IRM et la surface du cuir chevelu - nasion, préauriculaire gauche (LPA) et préauriculaire droit (RPA) - servent généralement de points repères pour le co-enregistrement. En option, à l'aide d'un co-enregistrement automatisé basé sur l'ICP (point le plus proche itératif)2, un ensemble de points de surface du cuir chevelu déterminés dans le cadre de coordonnées MEG/EEG peut être mis en correspondance avec la surface du cuir chevelu extraite de l'IRM.

Les points repères dans le cadre de coordonnées IRM sont déterminés en naviguant visuellement dans les images IRM 3D ou la surface du cuir chevelu extraite de ces images. Dans le cadre de coordonnées MEG/EEG, ces positions repères et les points de la surface du cuir chevelu sont déterminés à l'aide d'un dispositif de suivi de position électromagnétique ou optique au cours d'une procédure généralement appelée numérisation de la tête. La plupart des systèmes MEG sont basés sur un réseau de capteurs fixe avec des positions de capteur définies avec précision dans le cadre de coordonnées du dispositif MEG, et la tête peut potentiellement se déplacer. capteurs lors de l'acquisition des données. Dans les systèmes MEG de MEGIN Oy (Espoo, Finlande), l'emplacement de la tête du sujet par rapport aux capteurs MEG est déterminé à l'aide de quatre ou cinq bobines d'indicateur de position de la tête (HPI) fixées au cuir chevelu. Les emplacements des bobines HPI sont numérisés avec les points de repère et de cuir chevelu, et leurs positions sont déterminées dans le cadre de coordonnées de tête défini par les points de repère numérisés. Lorsque les bobines sont alimentées, le réseau de capteurs MEG peut les localiser dans le cadre de coordonnées du dispositif MEG. Connaissant les emplacements des bobines HPI dans ces deux cadres, une transformation de coordonnées appareil-tête est définie qui détermine la position de la tête à l'intérieur du réseau de capteurs MEG. Ainsi, les études d'imagerie de source MEG impliquent une combinaison de trois systèmes de coordonnées (Fig. 1)3 :

Système de coordonnées du dispositif MEG qui définit les emplacements et les orientations des capteurs MEG les uns par rapport aux autres.

Système de coordonnées de la tête basé sur les points repères numérisés identifiables avec précision sur la surface de la tête et dans les données IRM.

Système de coordonnées IRM, qui peut être natif (basé sur l'appareil) ou déterminé par un logiciel de traitement IRM.

Les systèmes de coordonnées et leurs relations3.

Les électrodes EEG sont numérisées dans le même cadre de coordonnées de la tête avec les autres points numérisés car elles se trouvent sur le cuir chevelu. Ainsi, l'imagerie source EEG implique une combinaison de seulement deux systèmes de coordonnées - le système de coordonnées de la tête et le système de coordonnées IRM.

Des études antérieures ont étudié l'effet de la précision du co-enregistrement dans l'imagerie source MEG/EEG4,5,6 et elles confirment qu'une numérisation soigneuse et précise est une étape cruciale. En MEG/EEG, la numérisation est principalement utilisée pour définir les transformations de coordonnées, soit pendant l'acquisition de données ou l'estimation de la source, et parfois pour ajuster un modèle de tête sphérique pour la modélisation de la source7,8. Cependant, certaines études ont également démontré le rôle des points numérisés dans la définition d'un modèle de conducteur volumique pseudo-réaliste9,10,11. Il a été démontré qu'un modèle de tête réaliste utilisant les surfaces internes du crâne et du cuir chevelu d'un individu surpasse le modèle de tête sphérique dans l'imagerie source12,13. Cependant, la définition d'un modèle de conducteur de volume réaliste est parfois difficile, en particulier lorsque l'IRM d'un individu n'est pas disponible. Dans un tel cas, par exemple, la méthode TPS (spline à plaque mince) 14 peut être appliquée aux surfaces du cuir chevelu et du cerveau de modèle de chaîne en utilisant des points de numérisation du cuir chevelu densément échantillonnés de la tête du sujet. Bien que les surfaces individualisées (déformées) ne soient pas précisément la véritable IRM individuelle, elles sont suffisamment similaires pour être utiles dans l'analyse MEG/EEG. Étant donné que la numérisation a une influence à la fois sur la transformation des coordonnées et sur l'approche de déformation, la précision de la numérisation est cruciale dans l'imagerie source MEG/EEG.

Diverses techniques ont été introduites pour la numérisation du cuir chevelu et la localisation des électrodes EEG. De plus, quelques études ont évalué les avantages et les limites des différentes méthodes de numérisation15,16. Ces méthodes comprennent :

Pieds à coulisse numériques pour localiser les électrodes en mesurant les distances entre les paires d'électrodes et les points repères17,18.

Capsules de marqueur IRM attachées aux électrodes19,20.

Numérisation par ultrasons15,21.

Numérisation basée sur la photogrammétrie22,23,24.

Suivi électromagnétique25,26.

Balayage optique à base de laser27,28.

Balayage optique basé sur un marqueur réfléchissant16.

Numérisation 3D à lumière structurée29,30,31.

Parmi ces méthodes, la numérisation basée sur l'EMT est depuis longtemps l'approche la plus courante. Un EMT est un système de suivi basé sur un émetteur-récepteur, où un récepteur est placé dans un champ électromagnétique (EM) généré par l'émetteur pour déterminer la position tridimensionnelle du récepteur par rapport à l'émetteur ou à un autre récepteur. Cependant, un objet magnétique à proximité peut déformer le champ de l'émetteur et détériorer la précision de la numérisation. De plus, l'EMT prend plus de temps pour les configurations d'électrodes EEG denses, car le récepteur doit être pointé vers chaque électrode. Comme alternative à l'EMT, les scanners optiques ont été introduits ces dernières années. Ils peuvent accélérer le processus de numérisation et sont exempts de problèmes d'interférence EM, mais souffrent généralement du problème de ligne de visée. Les scanners à base de réflecteur IR tels que Krios® (NDI, Waterloo, ON, Canada) ont été développés comme solutions alternatives ces dernières années, en particulier pour un capuchon EEG dense16, ils offrent une précision millimétrique et une numérisation plus rapide pour l'EEG dense. Cependant, lors des scans MEG, un capuchon EEG n'est souvent pas porté; par conséquent, le scanner optique ne fonctionne qu'en mode de sondage, similaire à un numériseur basé sur EMT, et le problème de la ligne de visée s'aggrave, ce qui rend la numérisation des points du cuir chevelu plus difficile et plus longue. Des études récentes ont introduit le scanner 3D à lumière structurée (Occipital, CO, USA) pour la numérisation29,30,31. Un tel scanner est rapide et fournit un maillage triangulaire dense de la surface de la tête avec une grande précision, en particulier à des emplacements variant en douceur, mais un post-traitement est nécessaire pour identifier les repères anatomiques. De plus, comme le scanner donne une enveloppe de cheveux au lieu de cuir chevelu, une stratégie de co-enregistrement différente utilisant uniquement la surface de la tête non poilue est nécessaire. De plus, étant donné que le cuir chevelu peut ne pas être défini avec précision en raison des cheveux, une déformation correcte d'un modèle IRM est impossible.

En raison des contraintes pratiques ci-dessus des numériseurs optiques, les systèmes EMT tels que Fastrak® ou ses anciennes variantes (Polhemus Inc., Colchester, VT, USA) sont toujours les numériseurs les plus largement utilisés en MEG/EEG et peuvent rester la solution la plus pratique pour MEG. Le Fastrak® avec l'émetteur TX2 standard atteint une précision millimétrique et est largement accepté pour la numérisation dans la recherche MEG/EEG et la pratique clinique15,32. Cependant, certaines études ont rapporté des variations dans la précision de la numérisation jusqu'à plusieurs millimètres selon les conditions de mesure15,32. Les sources d'interférence EM à proximité, le contact physique entre les câbles de l'émetteur et du récepteur, la douceur de la peau et des cheveux et les mouvements de la tête sont les raisons rapportées de ces variations32. Dans un environnement clinique, il peut y avoir des facteurs supplémentaires déformant le champ EM de l'émetteur, tels que des travaux dentaires, des électrodes de surveillance EEG à long terme, du matériel magnétisé provenant d'une intervention chirurgicale antérieure et des instruments immobiles à proximité. Les implants chirurgicaux et les stimulateurs thérapeutiques sont des sources inévitables d'artefacts. Les propriétés magnétiques de leurs matériaux et circuits peuvent déformer le champ de l'émetteur, diminuant la précision de la numérisation. Les utilisateurs peuvent identifier et rectifier certaines des interférences, mais des conditions telles que des barres métalliques de renforcement dans les murs ou les plafonds à proximité peuvent réduire secrètement la précision de la numérisation. D'autres limitations pratiques, telles que les tremblements des mains lors de la numérisation des points repères et le chevauchement des câbles émetteur-récepteur, peuvent également ajouter une certaine imprécision.

Les variations non systématiques et spécifiques au site dans la précision de la numérisation ont rendu difficile l'étude des sources d'interférence, la quantification de leurs effets et la définition d'une méthode de numérisation MEG/EEG robuste. En outre, il est crucial d'évaluer les performances du système actuel dans divers cas d'interférence et d'étudier les options pour développer un système plus robuste pour la numérisation. La présente étude porte sur deux aspects :

Une évaluation approfondie du numériseur actuel basé sur EMT, Fastrak® avec l'émetteur TX2, dans diverses conditions d'interférence, afin de déterminer les meilleures pratiques de numérisation pendant le MEG/EEG.

Une comparaison côte à côte de deux systèmes différents basés sur EMT pour évaluer s'il existe un numériseur plus robuste pour MEG/EEG.

Pour chacun des trois systèmes, la fluctuation de suivi de position33,34 a été quantifiée avec et sans la présence de différentes interférences électromagnétiques. En outre, les effets de différentes conditions de mesure ont été largement examinés, tels que la variation de la distance émetteur-récepteur, le mouvement pendant la numérisation, les interférences à proximité, les interférences d'infrastructure environnantes et un implant médical. Deux modèles de test rigides avec des points définis avec précision ont été utilisés pour tester la précision de la numérisation dans plusieurs conditions ambiantes. Nous avons également testé les performances des trois systèmes de numérisation avec un modèle de tête humaine pré-marqué pour reproduire la numérisation du cuir chevelu de forme libre en MEG et un capuchon EEG à 32 canaux pour tester la numérisation à électrode fixe en EEG. Enfin, nous avons montré l'impact des trois voies de numérisation sur la modélisation des sources MEG. En plus de résumer nos conclusions, nous avons fourni quelques lignes directrices à suivre lors de l'utilisation du système basé sur l'EMT pour la numérisation MEG/EEG.

Les trois systèmes EMT évalués dans l'étude étaient (i) un système Fastrak® avec un émetteur standard (TX2), ci-après dénommé Fastrak TX2, (ii) un système Aurora® avec un générateur de champ planaire 20–20, ci-après dénommé Aurora, et (iii) un système Fastrak® avec un émetteur à courte portée (TX1), ci-après dénommé Fastrak TX1. Le Fastrak TX1 différait du Fastrak TX2 en utilisant un émetteur à courte portée optimisé pour la numérisation à moins de 50 cm et devait être moins sensible aux sources d'interférence EM au-delà de cette plage. Le système Aurora est utilisé depuis plusieurs années dans des applications cliniques où une précision spatiale submillimétrique est requise, par exemple, la navigation chirurgicale ; cependant, il n'a pas été appliqué pour la numérisation MEG/EEG. Les spécifications matérielles, le champ EM contraint, la précision attendue et une fonction d'indication d'erreur en temps réel nous ont motivés à étudier le système Aurora par rapport au numériseur actuel pour une nouvelle option de numérisation potentielle. Le tableau 1 compare les principales caractéristiques des trois systèmes ; une illustration comparative de leur champ EM est illustrée à la Fig. S1A supplémentaire. Ces trois systèmes couvrent un large éventail d'applications, mais dans cette étude, nous les avons étudiés uniquement en tant que numériseur pour MEG/EEG, en particulier dans l'acquisition MEG. Notez que l'émetteur est appelé générateur de champ dans les manuels du système Aurora (NDI, Waterloo, ON, Canada). Le récepteur en tant qu'outil et le stylet en tant que sonde correspondent à la terminologie commune utilisée pour Fastrak TX2, et nous avons utilisé ces termes pour les trois systèmes.

Fastrak TX2 est un système EMT à usage général conçu pour diverses applications de suivi spatial, y compris la numérisation MEG/EEG. L'émetteur standard TX2 génère un champ sphérique avec une intensité substantielle jusqu'à ~ 150 cm, et un champ beaucoup plus faible encore plus longtemps, permettant un grand VoM (volume de mesure) et plus de liberté pour la numérisation autour de la tête (3space® Fastrak® user's manual, Polhemus Inc., Colchester, VT, USA). En utilisant l'électromagnétisme AC, l'unité de traitement SEU suit en continu un récepteur de sonde wrt. à un récepteur de référence à une fréquence maximale de 60 Hz. Il fournit une plate-forme de numérisation facile à utiliser utilisant un récepteur de sondage activé par commutateur et des interfaces de numérisation spécifiques au système MEG/EEG. Fastrak TX2 est considéré comme la référence en matière de numérisation MEG/EEG ; par conséquent, nous avons utilisé ce système comme numériseur de référence dans l'étude. Nous avons utilisé un émetteur TX2 et deux récepteurs, c'est-à-dire un stylet et un récepteur de référence. Le stylet est un « outil de sondage » semblable à un stylo d'environ 18 cm de long avec un interrupteur étendant la capacité du système dans un numériseur de forme libre où une sortie de position unique et continue peut être obtenue. Dans l'application MEG/EEG, le récepteur de référence est généralement fixé avec des lunettes (ou un élastique) à la tête du patient de sorte qu'il bouge avec la tête. SEU calcule la position des récepteurs dans le système de coordonnées global (par rapport au centre de l'émetteur) et référencé (par rapport au centre du récepteur de référence). La numérisation est effectuée dans le cadre de coordonnées de référence, centré sur le récepteur de référence et se déplaçant avec la tête pour compenser le mouvement de la tête pendant la numérisation. Le logiciel de numérisation spécifique au système, par exemple le serveur Isotrak de MEGIN, convertit chaque point numérisé en cadre de coordonnées de tête en temps réel, juste après la numérisation des trois points repères. La figure 2A montre la configuration Fastrak TX2 utilisée dans l'étude, et la figure 2B illustre la fixation du récepteur de référence à la tête.

Système Fastrak. (A) Les composants standard du système TX2, (B) le récepteur de référence attaché aux lunettes lors de la numérisation, (C) les différences physiques entre les émetteurs TX1 et TX2.

Les courants de Foucault dans les objets conducteurs jouent un rôle majeur dans la distorsion du champ EMT35. Ils sont proportionnels à des facteurs tels que l'intensité du champ, le taux de changement, la conductivité de l'objet et la surface. Par conséquent, le champ EM plus fort à la même distance de l'émetteur TX2 par rapport à TX1 produit des courants de Foucault plus forts et donc une distorsion plus élevée. En pratique, la numérisation MEG/EEG peut ne pas nécessiter une VoM aussi importante que celle fournie par le TX2. Au lieu de cela, un émetteur avec une VoM plus petite avec un rayon inférieur à 100 cm pourrait être optimal pour couvrir toute la tête et en même temps réduire la sensibilité aux sources d'interférence telles que les matériaux conducteurs dans le sol, les murs et les plafonds encastrés. Fastrak TX1 possède un champ sphérique décroissant sur ~ 50 cm, ce qui rend le système moins sensible aux sources d'interférence en dehors de cette plage. La figure 2C montre la différence physique entre les émetteurs TX1 et TX2. Le reste de la configuration et du fonctionnement était identique au système Fastrak TX2 détaillé dans la section précédente.

Aurora est un système EMT à usage général qui a été utilisé pour de nombreuses tâches de suivi spatial, y compris des applications cliniques nécessitant une grande précision spatiale33,36,37. Les composants du système utilisés dans cette étude sont présentés dans le tableau 1 et la figure 3A. Le 20–20 PFG (émetteur) émet un champ AC EM de faible intensité et établit une VoM en forme de cube ou de dôme allant jusqu'à un maximum de 66 cm (guide de l'utilisateur Aurora v3.1, NDI, Waterloo, ON, Canada); voir Fig. S1A pour plus de détails. Le VoM en forme de dôme unilatéral, qui peut être déplacé via un bras mécanique, rend le système moins sensible aux interférences EM à proximité et adapté à diverses applications cliniques, telles que la navigation chirurgicale. Le système renvoie la position et l'orientation de chaque récepteur à 40 Hz dans un cadre de coordonnées centré sur l'émetteur ou un autre récepteur. De plus, le système fournit une métrique appelée indice d'erreur pour chaque échantillon comme mesure de la qualité de l'échantillon. Les indices d'erreur dépendent de plusieurs facteurs influençant l'estimation de la position du récepteur, tels que les interférences EM causées par des sources externes, une configuration système incorrecte, l'approche de la limite VoM et une erreur dans le stylet due à des dommages physiques. Cet indice varie de 0 à 1, 0 indiquant l'estimation idéale d'une position et 1 l'estimation de la pire qualité. Le système alerte les utilisateurs en cas de mesure erronée, leur permettant de l'écarter de la numérisation.

Système Aurore. (A) Composants utilisés pour l'étude (image reproduite avec l'aimable autorisation de NDI, Waterloo, ON, Canada), (B) points de suivi continu regroupés (points gris). (C) Les points de numérisation (rouge); tous deux dans le système de coordonnées de tête de MEGIN.

Le 20–20 PFG a été fixé au dossier de la chaise de numérisation pour projeter le VoM en forme de dôme vers la tête (modèle), voir Fig. S1B pour plus de détails. Contrairement à un SEU unique dans le système Fastrak, Aurora utilisait des unités distinctes pour le contrôle du système et l'interface du capteur (récepteur) (SIU). Deux récepteurs avec 6DOF ont été utilisés : un récepteur de référence en forme de disque et un récepteur de sondage (stylet). Contrairement au système Fastrak, le stylet d'Aurora était d'env. Sonde à usage général de 20 cm de long avec une pointe émoussée de 3 mm de diamètre et sans interrupteur intégré. Le système a été connecté via USB à un ordinateur hébergeant le logiciel NDIToolBox™ (guide de l'utilisateur Aurora V3.1 ; NDI, Waterloo, ON, Canada), et les données de position des récepteurs ont été enregistrées. Étant donné qu'aucun logiciel de numérisation n'est disponible ni aucun stylet à interrupteur pour le système Aurora actuel, nous n'avons pu enregistrer que les données de position continues. Cependant, la numérisation a été effectuée en détectant par programmation des clusters dans des données continues. Le stylet a été pointé sur chaque emplacement souhaité pendant 3 s, produisant un groupe d'environ 120 points de suivi. Un programme Python personnalisé utilisant scikit-learn38 a identifié ces clusters à l'aide d'un seuil de 100 points à moins de 1 mm, puis a fait la moyenne des points de chaque cluster pour obtenir un seul emplacement par cluster. Ces emplacements ont ensuite été enregistrés en tant que points de numérisation acquis par le système Aurora. La figure 3B représente les points de données de suivi continu (gris) pour trente-deux électrodes EEG et trois emplacements repères, tandis que la figure 3C montre les emplacements de points numérisés détectés (points rouges). Ces points ont été collectés à partir du capuchon EEG porté sur un modèle de tête en polystyrène mais superposé sur un modèle de cuir chevelu humain pour une meilleure illustration tridimensionnelle.

Pour examiner les performances de numérisation, nous avons utilisé un fantôme MEG sphérique, un cadre de test de numérisation 3D et deux modèles de tête en polystyrène, l'un avec un ensemble de points prédéfinis et l'autre avec un capuchon EEG. Les deux premiers modèles ont des points prédéfinis avec une précision submillimétrique, tandis que les deux derniers ont été soigneusement numérisés avec Fastrak TX2 pour les points prédéfinis et les électrodes EEG afin d'obtenir des emplacements de référence pour une analyse plus approfondie. Nous avons également utilisé un modèle personnalisé pour tester l'effet d'un stimulateur médical implanté sur la numérisation. La figure 4A–E montre les modèles de test utilisés dans l'étude. Nous n'avons pas inclus de sujet humain pour tester la précision de la numérisation afin d'éviter l'influence de la douceur de la peau et des cheveux32.

Modèles utilisés pour tester la précision de la numérisation. (A) fantôme MEG sphérique, (B) cadre de test 3D, (C) modèle de tête en polystyrène avec 35 points marqués, (D) bouchon EEG avec 32 électrodes, (E) configuration pour le test de numérisation avec un dispositif DBS actif (cercle en pointillé rouge).

Un fantôme MEG sphérique (MEGIN Oy, Espoo, Finlande) est couramment utilisé pour les tests de routine de la précision du numériseur sur les sites MEG. Pour tester la numérisation, le fantôme a trois points repères et 4 à 5 emplacements de bobine d'indicateur de position de tête (HPI); trois bobines HPI sont situées aux trois points repères (Fig. 4A). En conséquence, le fantôme offre cinq emplacements distincts pour les tests de numérisation. Le fantôme dispose également de 32 dipôles de courant à des emplacements connus avec précision, permettant aux utilisateurs de tester les performances du système MEG dans la localisation de la source.

La trame de test de numérisation tridimensionnelle (Innokas Medical Oy, Helsinki, Finlande), ci-après dénommée la trame de test 3D, est utilisée uniquement pour tester la précision d'un numériseur et ne possède donc aucune source de signaux MEG. C'est une structure cubique rigide et creuse en fibre de verre. Au-dessus du cadre cubique, une plaque de fibre de verre surélevée de 150 cm avec des longueurs de côté de 16 cm a neuf points creusés à 2 mm de profondeur à des endroits précisément définis (Fig. 4B). Les quatre premiers points, étiquetés Gauche (L), Nasion (N), Droite (R) et Arrière (B), sont au centre des quatre côtés des plaques surélevées ; les cinq points suivants sont sur la face supérieure. Aucun des points ne se chevauchant, le cadre offre donc neuf points distincts pour les tests de numérisation.

Nous avons utilisé 35 points marqués sur la zone "cuir chevelu" (32 à des positions aléatoires et trois repères (nasion, points pré-auriculaires gauche et droit), sur un modèle de tête en polystyrène de 52 cm de circonférence. Ce modèle imite la numérisation du cuir chevelu sans capuchon EEG, ce qui est souvent le cas en acquisition MEG, ou la numérisation d'électrodes EEG placées individuellement (Fig. 4C). Les points ont été méticuleusement numérisés avec le système Fastrak TX2 standard, en plaçant le modèle à 15 cm de l'émetteur Les positions ont été enregistrées dans le système de coordonnées de la tête MEGIN comme référence pour des tests ultérieurs avec le modèle.

Pour évaluer les performances des systèmes lors de la numérisation des électrodes EEG, nous avons numérisé un capuchon EEG à 32 canaux (ANT Neuro, Pays-Bas) porté sur un autre modèle de tête en polystyrène d'une circonférence de 61 cm (Fig. 4D). Nous avons méticuleusement numérisé les électrodes et trois points repères marqués à l'aide du système Fastrak TX2 en plaçant le modèle à 15 cm de l'émetteur. Les positions ont été enregistrées dans le système de coordonnées de la tête MEGIN comme référence pour des tests ultérieurs avec ce modèle.

Le DBS (stimulateur cérébral profond) est un stimulateur typique chez les patients neurologiques. Les électrodes DBS sont implantées dans le cerveau, et l'unité de commande et les fils peuvent interférer avec le champ émetteur. Pour évaluer l'effet d'un implant chirurgical sur la numérisation, nous avons inséré les deux électrodes d'un DBS (Activa PC ; Medtronic, Dublin, Irlande) dans une pastèque placée à l'intérieur du cadre de test 3D. Les électrodes avaient une profondeur d'environ 8 cm et étaient séparées d'environ 4 cm. L'agencement est illustré sur la figure 4E, les neuf points du cadre de test 3D ont été utilisés pour tester la numérisation tout en faisant fonctionner le DBS dans différents modes.

Aucune donnée humaine n'a été enregistrée dans cette étude, et tous les tests ont été effectués sur des modèles de test non vivants. Le modèle de cuir chevelu représenté sur les Fig. 3B, C a été obtenu à partir d'un ensemble de données accessible au public39, qui a été enregistré lors de notre étude précédente40. Le consentement éclairé écrit pour l'utilisation du modèle de cuir chevelu dans l'étude et la publication en cours a été obtenu du participant.

Les données des trois systèmes EMT ont été recueillies pour examiner la fluctuation du suivi, la précision de la numérisation et la reproductibilité. La fluctuation de suivi montre la propriété intrinsèque et la robustesse des systèmes EMT dans le suivi de position. Cependant, dans les études MEG/EEG, étant donné que le système est utilisé pour la numérisation plutôt que pour le suivi de position continu, la précision de numérisation submillimétrique est cruciale pour des transformations précises et l'estimation d'un modèle IRM déformé avec précision. Par conséquent, une évaluation approfondie de la précision de la numérisation en présence de plusieurs facteurs d'influence connus et potentiels a été effectuée. PiMgr™ (Polhemus Inc., Colchester, VT, USA) et le serveur Isotrak du logiciel de numérisation de MEGIN ont été utilisés pour enregistrer les données des deux systèmes Fastrak. Les données du système Aurora ont été enregistrées à l'aide du logiciel NDIToolBox™ (NDI, Waterloo, ON, Canada). Tous les enregistrements ont été effectués un par un à partir des trois systèmes, et aucun autre émetteur n'était actif pendant les mesures. Chaque émetteur était fixé à l'arrière de la chaise de numérisation en bois, à environ 110 cm au-dessus du sol et à plus de 150 cm sous le plafond. Nous nous sommes assurés que les câbles de l'émetteur et du récepteur n'étaient pas en contact l'un avec l'autre ou avec le sol jusqu'à ce qu'ils soient intentionnellement testés pour de telles conditions. De plus, aucun objet magnétique ou électriquement conducteur ne se trouvait à moins de 150 cm de l'émetteur à moins qu'il n'ait été explicitement introduit pour une condition de test.

Un système EMT suit en permanence chaque récepteur actif et accumule et produit les données de localisation de différentes manières en fonction des exigences de l'application. Dans la numérisation MEG/EEG, par exemple, un ensemble d'échantillons de données continus provenant du stylet peut être numérisé à l'aide d'un marquage d'événements et d'une moyenne ou d'un regroupement spatial. Si un récepteur reste fixe, un système EMT devrait idéalement renvoyer la même coordonnée au fil du temps. Cependant, les mesures de tous les systèmes EMT présentent une certaine variation, appelée fluctuation de suivi de position33,34, qui dépend du champ de l'émetteur, de la résolution du système, de la distance émetteur-récepteur et des interférences ambiantes. Une fluctuation de suivi plus importante peut introduire une imprécision spatiale lors de la conversion en points de numérisation. Par conséquent, un système EMT robuste devrait avoir une fluctuation de suivi minimale. Nous avons mesuré les fluctuations de suivi en faisant varier la distance émetteur-récepteur et en modifiant les interférences ambiantes. Pour étudier la fluctuation de suivi native (sans bruit ambiant), les données de suivi du stylet ont été enregistrées dans le cadre de coordonnées global en fixant la pointe du stylet à 5, 15, 25, 35 et 45 cm de l'émetteur. De plus, pour enregistrer le changement de la fluctuation de suivi de position due aux interférences électromagnétiques, les données ont été collectées en fixant le stylet à 15 cm et en balançant un objet magnétique à environ 5, 15, 25, 35 et 45 cm de l'émetteur. Ces objets étaient : une plaque de cuivre de 18 × 25 cm2, une plaque de cuivre de 2 × 2 cm2, une boucle en boucle de cuivre, un jeu de clés, des bijoux en or, des lunettes à monture métallique, une calculatrice électronique, une carte de crédit, un câble enroulé (en spirale), une broche de tableau, un aimant permanent, un téléphone portable, un trombone métallique, une souris Bluetooth et des ciseaux en acier. Les détails de ces objets sont répertoriés dans le tableau S1 et ils sont présentés dans la figure S2.

La distance des points de numérisation de la tête peut varier entre 5 et 40 cm de l'émetteur, selon la taille du patient. Étant donné que le champ de l'émetteur décroît à mesure que l'on s'éloigne de l'émetteur, la précision se détériore avec la distance32. Pour trouver la VoM optimale, nous avons donc mesuré l'intensité du champ des trois émetteurs avec un spectromètre et observé que l'intensité du champ chute d'environ un facteur 10 à ~ 40 cm de l'émetteur. Ainsi, la possibilité d'erreurs de numérisation plus importantes augmenterait lorsque l'on s'éloignerait de l'émetteur, notamment au-delà de 40 cm. Pour étudier les effets de la distance émetteur-récepteur, nous avons testé la précision de numérisation des trois systèmes en numérisant le cadre de test 3D alors qu'il était maintenu immobile à 15, 25, 35 et 45 cm de l'émetteur. De plus, les mêmes mesures ont été prises à ces quatre distances en déplaçant (rotation et inclinaison) le cadre pendant la numérisation pour estimer l'effet du mouvement (de la tête) pendant la numérisation MEG/EEG.

Engels et ses collègues32 ont signalé une augmentation potentiellement mineure de l'erreur de numérisation due au contact physique entre les câbles de l'émetteur et du récepteur du système Fastrak TX2 ; cependant, ils ont trouvé des erreurs de numérisation élevées dans quelques cas de test. De plus, les utilisateurs de MEG avaient rapporté de manière anecdotique des erreurs de numérisation plus élevées lorsque les câbles étaient déformés ou posés sur un sol en béton armé d'acier. Étant donné que les câbles Fastrak et Aurora sont physiquement différents, les effets du contact physique entre les câbles devraient également différer. Par conséquent, nous avons étendu notre enquête pour déterminer dans quelle mesure les conceptions de câbles (blindage et architecture interne) annulent ces interférences. Nous avons créé des conditions auxquelles les utilisateurs sont généralement confrontés lors de la manipulation des câbles pendant la numérisation, telles que les contacts des câbles émetteur-récepteur, les câbles en contact avec le sol et les câbles enroulés (torsadés ensemble). Les données du cadre de test 3D ont été recueillies dans ces conditions avec les trois systèmes en plaçant le cadre immobile à 15 cm de l'émetteur.

Un objet magnétique à proximité peut interférer avec le champ de l'émetteur, réduisant la précision de numérisation. Pour évaluer ces effets, le champ de l'émetteur a été perturbé par des champs électromagnétiques externes de différentes intensités pendant la numérisation. Le cadre de test 3D a été numérisé à 15 cm de l'émetteur, alors que divers objets étaient présents : un objet minuscule tel qu'une petite plaque ou boucle de cuivre ; un objet de taille significative comme une plaque de cuivre de 18 × 25 cm2 ou un téléphone portable ; ou une source d'infrastructure courante d'artefacts potentiels tels qu'une armoire métallique ou un mur en béton armé d'acier. Les quatre premiers objets étaient séparés de 15, 25, 35 et 50 cm, tandis que les deux derniers étaient séparés de 25, 50, 75 et 125 cm. En outre, pour étudier l'effet des implants médicaux, le modèle reproduisant un implant DBS, comme illustré à la Fig. 4E, a été numérisé à 15 et 35 cm de l'émetteur tout en utilisant le DBS dans divers contextes thérapeutiques.

Étant donné que le réseau de capteurs MEG (unité de sonde) est généralement situé dans une pièce à blindage magnétique (MSR) et que la numérisation est effectuée à l'extérieur du MSR, le champ de l'émetteur EMT n'est pas considéré comme interférant avec les enregistrements MEG. Cependant, dans une configuration de laboratoire compacte, l'émetteur peut être proche du mur du MSR et son champ résiduel à l'intérieur peut être non négligeable. Par conséquent, il est essentiel de déterminer si un émetteur actif peut générer un artefact dans un enregistrement MEG en cours. Pour étudier un tel effet, nous avons enregistré MEG avec un système TRIUX ™ à 306 canaux logé dans un MSR léger (TRIUX ™; MEGIN Oy, Espoo, Finlande) tout en ayant un émetteur actif autour du MSR dans cinq positions différentes. Pour chacun des trois systèmes, un émetteur était—(i) maintenu immobile à ~ 30 cm à l'extérieur du mur du MSR avec la porte du MSR fermée, (ii) maintenu en oscillation à l'extérieur près de l'ouverture du projecteur avec la porte du MSR fermée, (iii) maintenu immobile à l'intérieur du MSR à ~ 200 cm des capteurs MEG avec la porte du MSR fermée, (iv) maintenu à l'extérieur près de la porte du MSR avec la porte du MSR fermée, et (v) maintenu à l'extérieur près de la porte du MSR avec la porte du MSR légèrement ouverte (Fig. S3A). Des données MEG continues de 2 minutes (en l'absence d'un sujet) ont été enregistrées pour chacun des trois systèmes, pour ces cinq positions de l'émetteur. De plus, des données de référence de 2 minutes ont également été enregistrées pour chaque système, sans émetteur actif autour du MSR. Les ensembles de données ont été enregistrés à une fréquence d'échantillonnage de 1 kHz et sans utiliser le blindage actif interne41.

Enfin, pour évaluer l'effet de la numérisation avec chacun des trois systèmes sur la localisation de la source, nous avons enregistré MEG à partir d'un fantôme en activant séquentiellement huit dipôles de courant avec une amplitude de crête de 1000 nAm. Tout d'abord, le même fantôme a été numérisé par chaque système EMT en le positionnant à 15, 25 et 35 cm de l'émetteur. Ensuite, nous avons remplacé les informations de numérisation du fichier MEG fantôme par les données de numérisation à trois distances pour chacun des trois systèmes. Ainsi, nous avons obtenu trois ensembles de données MEG fantômes pour chaque système, y compris les emplacements fiducial et HPI numérisés à 15, 25 et 35 cm.

La fluctuation du suivi de position, la précision de la numérisation et l'effet de plusieurs sources de bruit sur la numérisation pour les trois systèmes ont été évalués. Les valeurs moyennes et quartiles (Q1, Q2, Q3) ont été calculées et les résultats ont été visualisés sous forme de diagrammes en boîte-violon superposés. La largeur d'un graphique en violon sur l'axe y est proportionnelle à la distribution des données à ce point. La moyenne, l'IQR (intervalle interquartile Q3–Q1), le pourcentage de valeurs aberrantes et le pourcentage extrême ont été calculés pour chaque parcelle. Les seuils pour les valeurs aberrantes et les extrêmes ont été déterminés en utilisant 1,5 × Q3 et 3,0 × Q3, respectivement. Nous avons également effectué des tests statistiques pour trouver des différences entre les résultats des trois systèmes.

Pour chacun des trois systèmes, la fluctuation de suivi de position a été calculée dans le système de coordonnées global (par rapport à l'origine de l'émetteur) pour chaque distance émetteur-récepteur. La fluctuation moyenne du suivi de position, \({mPTF}_{d}\) a été calculée comme la différence entre des points consécutifs :

où (\({x}_{k}\), \({y}_{k}\), \({z}_{k}\)) est la coordonnée cartésienne du kième point, \(n\) est le nombre total de points de suivi et l'indice \(d\) représente la distance émetteur-récepteur.

Les systèmes Fastrak et Aurora fournissent des informations de position et d'orientation pour chaque récepteur connecté, mais seules les données de position sont utilisées dans la numérisation MEG et EEG. L'erreur de numérisation de tout point a été calculée comme la distance euclidienne entre l'emplacement réel (\({x}_{act}\), \({y}_{act}\), \({z}_{act}\)) du point et l'emplacement estimé par le numériseur (\({x}_{est}\), \({y}_{est}\), \({z}_{est}\)), dans le même cadre de coordonnées. Un numériseur précis devrait produire une erreur de numérisation minimale, et pour MEG ou EEG, il devrait être dans la gamme submillimétrique. L'erreur de numérisation moyenne \({mE}_{d}\) pour la distance émetteur-récepteur a été calculée comme suit :

où l'indice \(d\) représente la distance émetteur-récepteur, (\({x}_{act}\), \({y}_{act}\), \({z}_{act}\)) est la coordonnée cartésienne du kième point, et \(n\) est le nombre total de points de suivi. Pour évaluer la précision de numérisation du système, nous avons mesuré l'erreur de numérisation pour les points avec des emplacements connus avec précision sur les cadres rigides définis avec précision - le fantôme sphérique MEG et le cadre de test 3D. Étant donné que la pointe émoussée du stylet Aurora ne pouvait pas atteindre la toute fin des points étroits sur le cadre de test 3D, ses mesures ont été compensées en soustrayant la profondeur du point (2 mm) de leurs directions normales.

Nous avons ajusté des dipôles de courant idéaux aux données fantômes pour étudier comment la distance émetteur-récepteur affecte la reconstruction de la source par le biais d'un co-enregistrement imparfait. À l'aide du logiciel de modélisation de sources (MEGIN Oy, Espoo, Finlande), nous avons localisé les huit dipôles actuels à partir des trois ensembles de données MEG fantômes avec numérisation effectuée par le système Fastrak TX2 à des distances émetteur-récepteur de 15, 25 et 35 cm. Nous avons répété la même localisation dipolaire sur les données MEG avec des points de numérisation acquis par les systèmes Fastrak TX1 et Aurora. De plus, pour chaque cas, nous avons calculé les erreurs de localisation dipolaire par rapport aux emplacements réels et comparé la distribution à un ensemble témoin d'erreurs de localisation, qui a été déterminé en prenant la moyenne des erreurs de localisation sur les dix tests fantômes de routine précédents, numérisés à l'aide de Fastrak TX2 à ~ 15 cm de l'émetteur. Nous avons également comparé les erreurs de localisation des données enregistrées avec Aurora et Fastrak TX1 avec celles avec Fastrak TX2 à la distance correspondante de l'émetteur. Nous avons utilisé les tests t bilatéraux de Welch pour effectuer la comparaison statistique.

Nous avons recueilli les résultats de la fluctuation du suivi de position, de la précision de la numérisation et de l'analyse de la source pour les trois systèmes de numérisation sous forme de diagrammes en boîte-violon. Le tableau joint sous chaque graphique affiche les statistiques, où la première ligne étiquette la catégorie de données et la seconde affiche la valeur moyenne, l'IQR, le pourcentage de valeurs aberrantes et le pourcentage d'extrêmes, respectivement. Plus la valeur IQR est petite, plus la fluctuation est faible et, par conséquent, les performances sont meilleures. Les marqueurs noirs et rouges (cercles) dans les tracés de violon représentent respectivement les valeurs aberrantes et extrêmes. Pour tous les graphiques de violon et de dispersion, les couleurs menthe, lavande et corail représentent les résultats des systèmes Fastrak TX2, Aurora et Fastrak TX1, respectivement.

La figure 5A illustre les fluctuations de suivi natives des systèmes EMT, qui augmentent avec la distance émetteur-récepteur. Le système Fastrak TX2 affiche une fluctuation de suivi inférieure à 0,5 mm si les récepteurs restent dans une plage de 40 cm dans la VoM. Cependant, Aurora offre une plage étendue avec une fluctuation de suivi de position inférieure à 0,5 mm. En revanche, le Fastrak TX1 montre une fluctuation de suivi plus élevée au-delà de 20 cm de l'origine du champ. Les valeurs de Fastrak TX1 ont été présentées sur une échelle Y séparée pour mieux visualiser la distribution et faciliter l'interprétation. Dans le tracé de l'indice d'erreur Aurora, les valeurs croissantes avec la distance démontrent son utilisation pour filtrer efficacement les données de suivi de faible fidélité. Nous avons constaté que lorsque le stylet était maintenu à 15 cm et que les objets d'usage quotidien étaient maintenus à des distances spécifiques de l'émetteur, seuls six des dix-sept objets présentaient une fluctuation moyenne supérieure à 0,2 mm ; voir Fig. S4 pour plus de détails. La figure 5B montre les résultats pour ceux qui présentent une fluctuation moyenne supérieure à 0,2 mm au moins à l'une des cinq distances. Les tracés montrent des augmentations de la fluctuation de suivi lorsque la source de bruit est maintenue plus près de l'émetteur. La fluctuation moyenne des objets testés resterait à moins de 0,1 mm pour les trois systèmes si les objets étaient maintenus à plus de 35 cm de l'émetteur. Rapprocher un objet magnétique de l'émetteur perturbe davantage le champ ce qui augmente la fluctuation. Fastrak TX2 semble assez résistant au bruit et montre la fluctuation de suivi en dessous de 0,1 mm jusqu'à ce qu'un objet avec un champ magnétique puissant, comme une grande plaque métallique ou un téléphone portable, soit amené dans la portée de 25 cm de l'émetteur TX2. Jusqu'à ce qu'une source puissante d'interférence, telle qu'un téléphone portable ou une grande plaque métallique, soit maintenue à moins de 20 cm de l'émetteur, le système Aurora a maintenu sa faible fluctuation de suivi (< 1 mm). L'interférence semble avoir le plus grand impact sur le système Fastrak TX1.

La fluctuation de suivi de position des trois systèmes (A) les fluctuations natives sont indiquées dans les trois premiers sous-parcelles, et la quatrième sous-parcelle montre l'indice d'erreur fourni par le système Aurora, (B) la fluctuation moyenne lorsqu'une source d'interférence était à différentes distances de l'émetteur.

Les effets de la distance émetteur-récepteur et du mouvement de la tête du sujet sur la numérisation ont été examinés en termes d'erreur de numérisation ; une erreur plus élevée indique une précision de numérisation plus faible. L'erreur de numérisation pour un point a été estimée comme la distance euclidienne entre ses positions réelle (ou de référence) et estimée dans le cadre de coordonnées de tête MEGIN. La figure 6A,B montre la distribution des erreurs de numérisation pour le cadre de test 3D rigide et le modèle de tête en polystyrène marqué. Notez qu'un point (2,9 % du total) dans la région occipitale du modèle de tête était dans une position telle que le dossier de la chaise a causé des difficultés lors de la numérisation, entraînant une erreur extrême pour tous les tests (Fig. 6B). Dans l'ensemble, les résultats montrent une relation positive entre l'erreur de numérisation et la distance émetteur-récepteur ainsi que le mouvement du modèle de test (tête). La distribution des erreurs de numérisation pour le capuchon EEG à 32 canaux a également montré un schéma similaire (Fig. S5).

Erreur de numérisation pour le cadre de test 3D (A) et le modèle de tête en polystyrène (B) avec 35 points de "cuir chevelu" marqués, lorsque les modèles étaient immobiles ou en mouvement pendant la numérisation et lorsque la distance émetteur-stylet variait de 15 à 45 cm.

Les valeurs moyennes et IQR pour les trois systèmes ont montré une numérisation fiable lorsque les modèles de test étaient maintenus immobiles, le numériseur actuel Fastrak TX2 fonctionnant légèrement mieux et l'erreur de numérisation moyenne restant inférieure à 1 mm dans les 40 cm. Cette plage « sûre » a diminué à moins de 35 cm lorsque le modèle de test se déplaçait pendant la numérisation. Veuillez noter que le cadre de test 3D avec neuf emplacements de points rigides et définis avec précision représente un cas de test idéal pour la numérisation. En revanche, le modèle de tête en polystyrène a une certaine douceur semblable à celle de la peau, il décrit donc une situation plus pratique pour la numérisation de la tête avec des erreurs de numérisation légèrement plus élevées30. Les deux autres systèmes, Aurora et Fastrak TX1, ont montré une erreur de numérisation et un IQR légèrement plus élevés que le Fastrak TX2 lorsque la distance émetteur-récepteur dépasse 35 cm. Cet effet était dû au fait que les récepteurs se rapprochaient du bord de la VoM. En utilisant les échantillons de suivi avec des indices d'erreur plus élevés, l'erreur de numérisation dans le système Aurora pourrait être réduite pour améliorer sa précision. De plus, contrairement au stylet Fastrak, le stylet de 2 mm d'épaisseur d'Aurora ne pouvait pas fournir une bonne résolution de sondage pour le modèle en polystyrène lisse. En outre, les valeurs moyennes et IQR pour les cinq cas numérisés de manière identique sur la figure 6A (toujours à 15, 25 et 35 cm, et se déplaçant à 15 et 25 cm) variaient de moins de 0, 5 mm, indiquant un niveau élevé de reproductibilité de numérisation (ou répétabilité) si numérisé à moins de 35 cm de l'origine du champ.

La figure 7A représente la distribution d'erreur pour la numérisation de la trame de test 3D à 15 cm de l'émetteur lorsque le câble émetteur était en contact avec un câble récepteur ou un sol en béton armé. L'erreur de numérisation moyenne pour tous les systèmes dans toutes les conditions est restée inférieure à 1 mm ; cependant, l'erreur maximale et l'IQR sont parfois supérieurs à la condition de référence/contrôle (sur la figure 6A lorsque le cadre est maintenu immobile à 15 cm). Bien qu'il n'y ait pas d'erreur systématique notable, les IQR plus élevés montrent une variabilité accrue ou une stabilité réduite dans l'estimation de la position, potentiellement en raison d'une fluctuation accrue du suivi de la position.

Erreur de numérisation lors de l'utilisation du cadre de test 3D avec (A) les câbles de l'émetteur (Tc), du stylet (Sc) ou du récepteur de référence (Rc) dans diverses positions ; et avec (B) des objets interférents à des distances variables de l'émetteur ; la taille du marqueur code la distance émetteur-objet.

La figure 7B résume l'effet des interférences sur la précision de la numérisation lorsque la trame de test 3D a été numérisée à 15 cm de l'émetteur en présence d'un objet magnétique à une distance connue ; voir Fig. S6 pour les tracés de violon détaillés. Nous avons observé que l'erreur de numérisation moyenne en présence de petits objets magnétiques restait inférieure à 1 mm, indiquant une perturbation minimale dans le champ EM et donc l'estimation de la position. Fastrak TX2 a montré une erreur de numérisation comparativement plus faible, à l'exception d'une valeur aberrante ou extrême dans quelques cas. Cependant, les objets avec de grandes interférences magnétiques, comme une grande plaque métallique ou un téléphone portable, ont entraîné une erreur de numérisation particulièrement élevée même à une distance de 50 cm. Dans de telles situations, Fastrak TX2 affichait une erreur de numérisation élevée. Cela pourrait être le résultat de l'exposition de ces objets au fort champ électromagnétique AC de TX2, qui a créé un courant de Foucault élevé qui a provoqué une forte distorsion de champ35. D'autre part, à moins qu'une source d'interférence importante ne soit extrêmement proche de l'émetteur, Aurora et Fastrak TX1 ont été moins susceptibles d'être impactés en raison de leur VoM plus petite. Lors du regroupement des données de suivi continu, le programme de numérisation du système Aurora a éliminé les échantillons de suivi "médiocres" puisqu'il a utilisé le regroupement avec une limite spatiale de 2 mm. Cependant, les Fastrak TX2 et TX1 n'ont rejeté aucune donnée pour la numérisation basée sur le seuillage spatial. Par conséquent, bien que TX1 ait une VoM plus petite, Aurora affiche une moyenne et un IQR inférieurs pour l'erreur de numérisation. Lors du test de la numérisation avec des sources d'infrastructure à proximité d'artefacts potentiels, tels que des murs en béton armé et une grande armoire métallique, nous avons constaté une forte augmentation de l'erreur de numérisation si les sources de perturbation étaient proches (< 50 cm) de l'émetteur. Fastrak TX2, en raison de sa VoM forte et étendue, a montré une erreur de numérisation moyenne > 1 mm, même si une telle source de bruit est située à moins de 125 cm.

L'effet d'un DBS implanté sur la numérisation est représenté sur la Fig. S7. En raison de l'indisponibilité de l'émetteur TX1 lors des tests DBS, nous n'avons pu effectuer des mesures qu'avec les systèmes Fastrak TX2 et Aurora. La distribution des erreurs de numérisation pour les deux systèmes a montré que l'erreur moyenne restait inférieure à 1 mm pour tous les modes de fonctionnement lorsque le cadre de test était à 15 cm de l'émetteur. Cependant, en augmentant la distance de 15 à 35 cm, l'erreur moyenne pour Fastrak TX2 a légèrement augmenté mais est restée à moins de 1,5 mm avec quelques valeurs aberrantes. L'erreur pour le système Aurora s'est avérée légèrement supérieure à 35 cm. Dans l'ensemble, l'erreur de numérisation croissante semble être due à la distance plutôt qu'à la présence du DBS.

La densité spectrale de puissance (PSD) des données MEG a été calculée pour les trois émetteurs et comparée à la PSD des données de référence. Les données ont été prétraitées avec la méthode Signal Space Separation (SSS)42 en utilisant le logiciel MaxFilter™ (MEGIN Oy, Espoo, Finlande). Nous n'avons trouvé aucune anomalie dans les données MEG lors de la comparaison des PSD jusqu'à ce que l'émetteur soit délibérément maintenu dans le MSR ou juste à l'extérieur de la porte du MSR avec la porte ouverte. Les résultats détaillés sont présentés sur la figure S3B.

La figure 8A montre la distribution des erreurs de localisation de source pour les huit dipôles où la numérisation a été effectuée à l'aide de l'un des trois systèmes EMT à des distances spécifiques de leur émetteur. Les distributions d'erreur ont été comparées au contrôle qui a été calculé en prenant la moyenne sur dix tests fantômes de routine. En comparaison avec l'ensemble témoin de la distribution des erreurs, nous avons observé des différences significatives (p < 0,05) pour Aurora et Fastrak TX1 à 35 cm. Lorsque ces deux systèmes ont été comparés aux erreurs Fastrak TX2 à l'une des trois distances, ils ont également montré des différences significatives (p < 0,05). Nous avons également observé une différence non significative pour Aurora à 25 cm par rapport au témoin (p = 0,056). La figure 8B visualise la différence de position et d'orientation estimées pour quatre des huit dipôles superposés sur l'image CT du fantôme. Les valeurs p montrent que tant que la numérisation n'a pas été effectuée au-delà de 25 cm, l'ajustement du dipôle n'était pas significativement différent des mesures de contrôle et les erreurs de localisation restent à moins de 3 mm, ce qui est tout à fait acceptable. La distribution montre que l'erreur de localisation de la source augmente avec l'augmentation de la distance émetteur-récepteur pendant la numérisation.

(A) Erreur de localisation pour les huit dipôles, (B) la position et l'orientation estimées de quatre des huit dipôles, lorsque la numérisation a été effectuée à l'aide des trois systèmes différents. Les trois triangles magenta représentent l'emplacement des bobines HPI dans les directions antérieure (A), superficielle (H : tête) et postérieure (P).

L'étude a examiné plusieurs caractéristiques de performance des trois systèmes EMT pour la numérisation dans diverses circonstances réelles. On a constaté que la fluctuation de suivi augmentait avec l'augmentation des distances émetteur-récepteur. La fluctuation de suivi native du système Aurora a été trouvée inférieure à celle des systèmes Fastrak®, indiquant une plus grande stabilité dans le suivi de position. Les trois systèmes ont montré une fluctuation moyenne inférieure à 0,5 mm à moins qu'une forte perturbation ne soit introduite dans le champ de l'émetteur ou que la distance émetteur-récepteur ne soit augmentée au-delà de 40 cm. Le système Fastrak TX2 s'est avéré très tolérant aux effets causés par les objets magnétiques placés dans le VoM en raison du champ puissant généré par l'émetteur TX2. Les systèmes Aurora et Fastrak TX1 ont également montré une bonne stabilité de suivi et une bonne robustesse contre les sources de bruit, sauf si la mesure a été prise à plus de 40 cm de l'émetteur ou si une forte distorsion EM était présente à moins de 25 cm. Le système Fastrak TX1 a parfois montré une tolérance encore plus élevée contre les sources de bruit à proximité, peut-être en raison de son champ plus court (VoM).

Nous avons constaté qu'aucun des trois systèmes n'ajoutait d'artefacts à un enregistrement MEG en cours jusqu'à ce qu'un émetteur en fonctionnement soit délibérément conservé à l'intérieur du MSR ou utilisé très près de la porte ouverte du MSR. Cependant, nous recommandons d'avoir une distance d'au moins un mètre entre le MSR et l'émetteur et le récepteur pour éviter la distorsion de la numérisation. Nous n'avons pas constaté d'augmentation systématique de l'erreur de numérisation due aux câbles de l'émetteur ou du récepteur posés au sol, ni due au contact physique ou à la torsion des câbles ; cependant, l'erreur maximale et l'IQR étaient parfois supérieurs à la condition de contrôle. Par conséquent, il est recommandé d'éviter de tels contacts ou d'avoir les câbles sur le sol renforcé d'acier ou de grandes structures métalliques.

Généralement, nous avons observé que la précision de numérisation diminue avec l'augmentation de la distance entre l'émetteur et le récepteur. Par conséquent, il est crucial d'effectuer la numérisation aussi près que possible de l'émetteur. Dans le cas d'un modèle image fixe/tête, l'erreur de numérisation reste inférieure à celle des conditions de déplacement aux distances correspondantes. Étant donné que le champ de l'émetteur chute de plus d'un facteur dix à une distance d'environ 40 cm, la précision de numérisation chute également et peut entraîner une numérisation peu fiable. Puisqu'un récepteur de référence est attaché à la tête pendant la numérisation, son estimation de position et sa compensation de mouvement sont également compromises lorsqu'on s'éloigne de l'émetteur. Par conséquent, l'augmentation de la distance émetteur-récepteur réduit la précision de deux manières lors de la numérisation d'une tête mobile. En raison d'une VoM plus petite, la précision des systèmes Aurora et Fastrak TX1 chute soudainement après ~ 40 cm. L'IQR dans le cas de la numérisation d'images fixes a été trouvé plus bas que dans les cas mobiles correspondants, et il a montré une augmentation soudaine après ~ 40 cm. Par conséquent, lors de la numérisation d'un sujet non coopérant, par exemple, dans le cas d'un MEG/EEG pédiatrique, l'expérimentateur doit s'assurer que la tête du sujet reste à moins d'environ 35 cm de l'émetteur.

Les trois systèmes peuvent tolérer des sources d'interférence modérées dans le champ des émetteurs. Dans le cas de sources fortes telles qu'une grande plaque de cuivre à l'intérieur de la VoM, le champ plus fort et plus étendu du système Fastrak TX2 peut interférer et compromettre la précision de la numérisation. Les deux autres systèmes bénéficient du champ plus compact, mais l'erreur de numérisation saute haut si la source d'interférence est trop proche de l'émetteur. Par conséquent, les systèmes Aurora et Fastrak TX1 ont parfois montré des erreurs de numérisation comparativement plus faibles lors des tests de tolérance au bruit. Dans de tels cas, l'Aurora bénéficie également de sa fonction d'indexation des erreurs, mais lorsqu'une forte interférence est placée à proximité, le nombre de points avec un indice d'erreur plus élevé augmente. Certains de ces points erronés sont inclus dans la numérisation en raison de l'approche actuelle de la numérisation basée sur le regroupement et peuvent s'écarter de l'emplacement réel. Dans l'ensemble, Fastrak TX2 a obtenu de meilleurs résultats avec moins de 2 mm d'erreur de numérisation, sauf si une source de bruit intense était à moins de 50 cm de l'émetteur. Les trois systèmes se sont avérés assez robustes contre les grandes sources de bruit ambiant basées sur la construction telles que les murs renforcés d'acier et les armoires métalliques, tant qu'ils étaient à au moins 100 cm de distance. Ainsi, les utilisateurs doivent maintenir une distance de sécurité d'environ 120 cm de ces structures gênantes lors de l'utilisation du Fastrak TX2. Enfin, nous n'avons observé aucun effet substantiel d'un fonctionnement DBS sur la précision de la numérisation.

La localisation de la source des dipôles fantômes a montré que l'utilisation des trois numériseurs entraînait une petite différence dans la localisation des dipôles. La numérisation avec Fastrak TX2 a donné une erreur de localisation inférieure à 2 mm pour toutes les distances de test, indiquant que le système Fastrak TX2 est suffisamment précis et robuste pour la numérisation dans les applications MEG/EEG. L'erreur lors de la numérisation avec les systèmes Aurora ou Fastrak TX1 dans une plage de 30 cm est également restée < 2 mm mais a augmenté à 3 mm lors de la numérisation à 35 cm. Dans l'ensemble, l'erreur de localisation est restée inférieure à 5 mm, ce qui peut encore être acceptable dans la plupart des études MEG/EEG. Ainsi, Aurora et Fastrak TX1 peuvent également être considérés comme des numériseurs potentiels avec un rayon VoM restreint inférieur à 40 cm pour une numérisation fiable. Le Fastrak TX2 s'est avéré le plus précis; cependant, la VoM de 150 cm de rayon est grande et il peut être difficile d'obtenir une zone aussi vaste sans objets magnétiques ou conducteurs dans un site MEG compact. L'émetteur TX1, en revanche, fournit une VoM beaucoup plus petite. Dans le système Aurora, le PFG 20–20 fournit un champ magnétique planaire utilisable jusqu'à environ 55 cm de l'émetteur, ce qui est suffisamment grand pour la numérisation de la plupart des participants humains. Cependant, une augmentation d'environ 20 % de la VoM aiderait les utilisateurs à couvrir toutes les tranches d'âge des sujets humains en fixant l'émetteur dans une position (derrière la chaise de numérisation). Une VoM idéale pour la numérisation MEG/EEG doit être suffisamment grande pour couvrir toute la tête de tous les sujets humains, mais pas trop grande pour interférer avec les objets magnétiques à proximité. Un VoM de 70 à 80 cm de l'origine de l'émetteur et uniformément dirigé vers la tête du patient/sujet serait adapté à la numérisation MEG/EEG. Alternativement, un placement d'émetteur réglable rendrait le système plus efficace pour couvrir une plus grande étendue de hauteurs de patients.

Les résultats du suivi des fluctuations, de la précision de la numérisation, de la reproductibilité et d'autres tests ont révélé que le système Aurora EMT peut également être utilisé comme numériseur pour les applications MEG et EEG, et les indices d'erreur en temps réel peuvent être utilisés pour éliminer les échantillons erronés et améliorer la fidélité de la numérisation. Cependant, certaines modifications seraient nécessaires pour transformer le système Aurora en un numériseur prêt à l'emploi pour les applications MEG/EEG ; par exemple, un stylet commutable et un logiciel de numérisation convivial sont nécessaires pour éviter la méthode de regroupement personnalisée. La pointe du stylet d'Aurora devrait également être plus fine que l'actuelle pour améliorer la résolution de la sonde. En plus d'utiliser la fonction d'index d'erreurs, un système d'alarme vocale en temps réel aiderait également les utilisateurs à restreindre la VoM et à éviter une numérisation erronée.

Dans l'étude, le test de fluctuation avec une souris Bluetooth a montré que les trois systèmes sont robustes contre le bruit possible causé par un appareil Bluetooth s'ils sont séparés d'au moins 25 cm de l'émetteur. Par conséquent, un stylet sans fil peut être intégré aux systèmes Aurora ou Fastrak pour éliminer les longs câbles de stylet et améliorer la convivialité des systèmes. Notamment, une pédale supplémentaire remplaçant le commutateur du stylet devrait être intégrée dans les systèmes pour éviter d'éventuelles secousses lors de la numérisation, en particulier pour les points repères.

Étant donné que l'étude comprend un grand nombre d'évaluations, il n'a pas été possible de tester tous les cas avec un sujet humain en raison de l'indisponibilité de la vérité terrain (points stables connus avec précision). Bien que la majorité des résultats soient basés sur des objets rigides, l'étude a évalué en profondeur de nombreuses situations pratiques de numérisation MEG et EEG, et donc les résultats sont transférables à la numérisation de sujets humains. Cependant, des facteurs tels que le tremblement de la main de l'opérateur, l'orientation du stylet et le moment où le bouton du stylet est enfoncé peuvent également affecter la précision, et une attention particulière est nécessaire lors de la numérisation d'un sujet humain. La douceur de la peau et les mouvements de la tête, en particulier chez les sujets pédiatriques, peuvent réduire la précision de la numérisation. Pour comparer le système Aurora, nous avons reproduit tous les cas de test similaires aux mesures Fastrak. Cependant, certaines différences, telles que le stylet long et émoussé dépourvu d'interrupteur et le suivi de la conversion de numérisation en raison d'un manque de logiciel de numérisation, peuvent avoir introduit des erreurs supplémentaires. Par conséquent, la comparaison peut être améliorée en utilisant un stylet plus petit, doté d'un commutateur, avec un bord plus fin et un logiciel de numérisation qui utilise l'indice d'erreur. Bien que les scanners optiques deviennent de plus en plus courants, en particulier pour les systèmes EEG haute densité et les systèmes MEG basés sur OPM (magnétomètre à pompage optique), ils sont confrontés à un problème de ligne de visée au lieu d'interférences EM, et par conséquent, ces systèmes devraient également être évalués à l'avenir pour trouver le système de numérisation optimal.

Selon les résultats, les recommandations suivantes sont faites pour la numérisation MEG/EEG à l'aide d'un numériseur basé sur EMT, en particulier Fastrak avec émetteur TX2, afin de minimiser les distorsions et d'optimiser la précision de la numérisation :

La configuration optimale pour la numérisation MEG/EEG avec un système Fastrak TX2 doit être similaire à la Fig. 9. Les objets avec des propriétés magnétiques substantielles doivent être évités dans la plage de 120 cm (région en pointillé rouge). Pour une numérisation optimale, la tête doit rester dans la plage de 40 cm (région en pointillés verts).

L'émetteur doit être à au moins 80 cm du sol, du toit et des murs renforcés afin de minimiser les interférences potentielles dues aux structures de support métalliques cachées.

La distance entre l'émetteur et le point de numérisation sur la tête doit être inférieure à 45 cm. Pour un sujet avec un mouvement potentiel de la tête, comme un enfant, l'expérimentateur doit s'assurer que la tête du sujet reste proche de l'émetteur (< 35 cm), éventuellement par un appui-tête non magnétique.

Le mouvement de la tête doit être lent et minimal (< 2 cm) pour améliorer la précision de la numérisation.

Le récepteur de référence attaché à la tête ne doit pas bouger (se décaler) de plus de 1 mm par rapport à la tête pendant le processus de numérisation.

Pour les systèmes Fastrak, le câble de l'émetteur doit sortir du module émetteur vers le bas. Le contact physique entre les câbles du récepteur et de l'émetteur doit être évité.

L'unité de traitement (SEU) doit être à plus de 120 cm de l'émetteur.

Le sujet de l'étude doit être soigneusement vérifié avant la numérisation pour tout objet métallique, téléphone, pince à cheveux, etc., afin d'éviter de déformer le champ de l'émetteur.

Lors de la numérisation d'un point, le stylet doit être maintenu perpendiculaire à la surface. Pour éviter de secouer le stylet, un interrupteur externe doit être utilisé, tel qu'un interrupteur au pied, lors de la numérisation des points repères.

Les points de repère doivent être définis et signalés sans ambiguïté. Bien que le point où la crus hélicoïdale touche le Targus soit généralement considéré comme LPA/RPA, certains opérateurs utilisent le centre du tragus ou l'encoche intertragale comme ces deux repères dans leurs expériences. Pour éviter d'ajouter à l'erreur de co-enregistrement, les emplacements fiduciaires doivent être explicitement indiqués, en particulier lors de l'exportation de données vers d'autres chercheurs ou vers un référentiel open source.

Pour Fastrak TX2, le cercle vert (Ø ≈ 40 cm) représente un champ optimal (VoM) pour la numérisation, et le cercle rouge (Ø ≈ 120 cm) représente une limite à l'intérieur de laquelle les objets magnétiques et conducteurs doivent être évités.

En MEG et EEG, la numérisation est une étape cruciale pour une imagerie source précise. Nous avons constaté que le numériseur conventionnel (Fastrak TX2) fonctionne avec précision et robustesse si les recommandations suivantes sont prises en compte : (i) Tout matériau magnétique ou conducteur notable doit être évité à moins de 120 cm de l'émetteur ; (ii) la tête doit rester immobile et se trouver à moins de 45 cm de l'émetteur ; (iii) le contact physique entre les câbles du système et les surfaces conductrices doit être évité ; (iv) le stylet doit être placé perpendiculairement au point lors de la numérisation ; et (v) les points de référence doivent être clairement définis pour éviter d'éventuels décalages lors de l'intégration MEG-IRM. Un émetteur à courte portée (TX1) limite les utilisateurs à un volume de mesure plus petit et augmente la possibilité d'une mauvaise numérisation. Nous avons constaté que le système de navigation chirurgicale populaire (Aurora) pouvait également être utilisé comme numériseur en ajoutant un stylet à interrupteur et un câble de stylet plus long. Un système EMT idéal pour la numérisation MEG / EEG utiliserait un champ planaire unidirectionnel avec une sensibilité uniforme jusqu'à environ 70 cm de l'émetteur, des estimations d'erreur en temps réel et une pédale reproduisant le commutateur de stylet pour améliorer la convivialité du numériseur.

Les données recueillies dans l'étude sont disponibles sur demande raisonnable auprès de l'auteur correspondant.

Mosher, JC, Leahy, RM & Lewis, PS EEG et MEG : solutions directes pour les méthodes inverses. IEEE Trans. Biomédical. Ing. 46, 245–259. https://doi.org/10.1109/10.748978 (1999).

Article CAS PubMed Google Scholar

Besl, PJ & Mckay, ND Une méthode pour l'enregistrement de formes 3-D. IEEE Trans. Modèle Anal. Mach. Renseignement. 14, 239-256 (1992).

Article Google Scholar

Parkkonen, L. Instrumentation et prétraitement des données. dans MEG : une introduction aux méthodes. 24–64. https://doi.org/10.1093/acprof:oso/9780195307238.003.0002 (2010).

Dalal, SS, Rampp, S., Willomitzer, F. & Ettl, S. Conséquences de l'erreur de position des électrodes EEG sur les performances de reconstruction de la source du formateur de faisceau ultime. Devant. Neurosci. 8, 42. https://doi.org/10.3389/fnins.2014.00042 (2014).

Article PubMed PubMed Central Google Scholar

Sonntag, H., Haueisen, J. & Maess, B. Évaluation de la qualité des enregistrements MEG-IRM. Phys. Méd. Biol. 63, 075003. https://doi.org/10.1088/1361-6560/aab248 (2018).

Article PubMed Google Scholar

Chella, F. et al. L'impact de l'amélioration du co-enregistrement MEG-IRM sur l'analyse de la connectivité MEG. Neuroimage 197, 354–367. https://doi.org/10.1016/j.neuroimage.2019.04.061 (2019).

Article PubMed Google Scholar

Berg, P. & Scherg, M. Une méthode rapide pour le calcul direct de modèles de tête sphérique à coques multiples. Électroencéphalogramme. Clin. Neurophysiol. 90, 58–64. https://doi.org/10.1016/0013-4694(94)90113-9 (1994).

Article CAS PubMed Google Scholar

Gramfort, A. et al. Logiciel MNE pour le traitement des données MEG et EEG. Neuroimage 86, 446–460. https://doi.org/10.1016/j.neuroimage.2013.10.027 (2014).

Article PubMed Google Scholar

van't Ent, D., de Munck, JC & Kaas, AL Une méthode rapide pour dériver des modèles BEM réalistes pour la reconstruction de source E/MEG. IEEE Trans. Biomédical. Ing. 48, 1434–1443. https://doi.org/10.1109/10.966602 (2001).

Article PubMed Google Scholar

Darvas, F., Ermer, JJ, Mosher, JC & Leahy, RM Modèles de tête génériques pour l'analyse de source EEG basée sur Atlas. Hum. Cartographie du cerveau. 27, 129–143. https://doi.org/10.1002/hbm.20171 (2006).

Article PubMed Google Scholar

Gohel, B., Lim, S., Kim, M.-Y., Kwon, H. et Kim, K. Pseudo-IRM spécifique au sujet approximatif à partir d'un ensemble de données IRM disponible pour l'imagerie source MEG. Devant. Neuroinforme. 11, 50. https://doi.org/10.3389/fnif.2017.00050 (2017).

Article PubMed PubMed Central Google Scholar

Henson, RN, Mattout, J., Phillips, C. & Friston, KJ Sélection de modèles avancés pour la reconstruction de source MEG à l'aide de preuves de modèle. Neuroimage 46, 168–176. https://doi.org/10.1016/j.neuroimage.2009.01.062 (2009).

Article CAS PubMed Google Scholar

Antonakakis, M. et al. L'effet du type de stimulation, de la modélisation de la tête et de l'EEG et du MEG combinés sur la reconstruction de la source du composant somatosensoriel P20/N20. Hum. Cartographie du cerveau. 40, 5011–5028. https://doi.org/10.1002/hbm.24754 (2019).

Article PubMed PubMed Central Google Scholar

Bookstein, FL Chaînes principales : Splines à plaques minces et décomposition des déformations. IEEE Trans. Modèle Anal. Mach. Renseignement. 11, 567–585. https://doi.org/10.1109/34.24792 (1989).

Article MATH Google Scholar

Koessler, L. et al. Localisation spatiale des électrodes EEG. Neurophysiol. Clin./Clin. Neurophysiol. 37, 97–102. https://doi.org/10.1016/j.neucli.2007.03.002 (2007).

Article CAS Google Scholar

Sorriento, A. et al. Systèmes de poursuite optique et électromagnétique pour les applications biomédicales : une revue critique des potentialités et des limites. IEEE Rev. Biomed. Ing. 13, 212–232. https://doi.org/10.1109/rbme.2019.2939091 (2020).

Article PubMed Google Scholar

de Munck, JC, Vijn, PCM & Spekreijse, H. Une méthode pratique pour déterminer les positions des électrodes sur la tête. Électroencéphalogramme. Clin. Neurophysiol. 78, 85–87. https://doi.org/10.1016/0013-4694(91)90023-w (1991).

Article PubMed Google Scholar

Le, J., Lu, M., Pellouchoud, E. & Gevins, A. Une méthode rapide pour déterminer les positions d'électrode standard 10/10 pour les études EEG à haute résolution. Électroencéphalogramme. Clin. Neurophysiol. 106, 554-558. https://doi.org/10.1016/s0013-4694(98)00004-2 (1998).

Article CAS PubMed Google Scholar

Lagerlund, TD et al. Détermination de 10 à 20 emplacements d'électrodes du système à l'aide d'un balayage d'image par résonance magnétique avec des marqueurs. Électroencéphalogramme. Clin. Neurophysiol. 86, 7–14. https://doi.org/10.1016/0013-4694(93)90062-z (1993).

Article CAS PubMed Google Scholar

Yoo, S.-S. et coll. Localisation 3D des électrodes EEG de surface 10–20 sur des images IRM anatomiques haute résolution. Électroencéphalogramme. Clin. Neurophysiol. 102, 335–339. https://doi.org/10.1016/s0013-4694(96)95088-9 (1997).

Article CAS PubMed Google Scholar

Steddin, S. & Botzel, K. Un nouveau dispositif pour la localisation des électrodes du cuir chevelu avec tête non retenue. J. Neurol. 242, 265 (1995).

Google Scholar

Tucker, DM Échantillonnage spatial des champs électriques principaux : le réseau de capteurs géodésiques. Électroencéphalogramme. Clin. Neurophysiol. 87, 154-163. https://doi.org/10.1016/0013-4694(93)90121-b (1993).

Article CAS PubMed Google Scholar

Russell, GS, Jeffrey Eriksen, K., Poolman, P., Luu, P. & Tucker, DM Photogrammétrie géodésique pour localiser les positions des capteurs dans l'EEG à réseau dense. Clin. Neurophysiol. 116, 1130–1140. https://doi.org/10.1016/j.clinph.2004.12.022 (2005).

Article PubMed Google Scholar

Mazzonetto, I., Castellaro, M., Cooper, RJ & Brigadoi, S. La photogrammétrie basée sur un smartphone améliore la localisation et l'enregistrement des capteurs de neuroimagerie montés sur le cuir chevelu. Sci. Rép. 12, 1–14. https://doi.org/10.1038/s41598-022-14458-6 (2022).

Article CAS Google Scholar

Hämäläinen , M. , Hari , R. , Ilmoniemi , RJ , Knuutila , J. & Lounasmaa , OV Magnétoencéphalographie - Théorie, instrumentation et applications aux études non invasives du cerveau humain en fonctionnement . Rév. Mod. Phys. 65 , 413–497 . https://doi.org/10.1103/revmodphys.65.413 (1993).

Annonces d'article Google Scholar

Khosla, D., Don, M. & Kwong, B. Mauvaise localisation spatiale des électrodes EEG—Effets sur la précision de l'estimation du dipôle. Clin. Neurophysiol. 110, 261-271. https://doi.org/10.1016/s0013-4694(98)00121-7 (1999).

Article CAS PubMed Google Scholar

Bardouille, T., Krishnamurthy, SV, Hajra, SG & D'Arcy, RC Précision de localisation améliorée dans l'imagerie de source magnétique à l'aide d'un scanner laser 3D. IEEE Trans. Biomédical. Ing. 59, 3491–3497. https://doi.org/10.1109/tbme.2012.2220356 (2012).

Article PubMed Google Scholar

Jeon, S., Chien, J., Song, C. & Hong, J. Une étude préliminaire sur le guidage d'image de précision pour le placement des électrodes dans une étude EEG. Cerveau Topogr. 31, 174–185. https://doi.org/10.1007/s10548-017-0610-y (2017).

Article PubMed Google Scholar

Homölle, S. & Oostenveld, R. Utilisation d'un scanner 3D à lumière structurée pour améliorer la modélisation de la source EEG avec des positions d'électrodes plus précises. J. Neurosci. Méthodes 326, 108378. https://doi.org/10.1016/j.jneumeth.2019.108378 (2019).

Article PubMed Google Scholar

Taberna, GA, Marino, M., Ganzetti, M. & Mantini, D. Localisation spatiale des électrodes EEG à l'aide du balayage 3D. J. Neural Eng. 16, 026020. https://doi.org/10.1088/1741-2552/aafdd1 (2019).

Article ADS PubMed Google Scholar

Zetter, R., Iivanainen, J. & Parkkonen, L. Co-enregistrement optique de l'IRM et du MEG sur le cuir chevelu. Sci. représentant 9, 1–9. https://doi.org/10.1038/s41598-019-41763-4 (2019).

Article CAS Google Scholar

Engels, L., De Tiege, X., Op de Beeck, M. & Warzée, N. Facteurs influençant la précision spatiale des systèmes de suivi électromagnétique utilisés pour l'imagerie de source MEG/EEG. Neurophysiol. Clin./Clin. Neurophysiol. 40, 19–25. https://doi.org/10.1016/j.neucli.2010.01.002 (2010).

Article CAS Google Scholar

Yaniv, Z., Wilson, E., Lindisch, D. & Cleary, K. Suivi électromagnétique dans l'environnement clinique. Méd. Phys. 36, 876–892. https://doi.org/10.1118/1.3075829 (2009).

Article PubMed PubMed Central Google Scholar

Kellermeier, M. et al. Technologie de suivi électromagnétique (EMT) pour une meilleure assurance de la qualité du traitement en curiethérapie interstitielle. J. Appl. Clin. Méd. Phys. 18, 211-222. https://doi.org/10.1002/acm2.12021 (2017).

Article PubMed PubMed Central Google Scholar

Franz, AM et al. Suivi électromagnétique en médecine - Un examen de la technologie, de la validation et des applications. IEEE Trans. Méd. Imagerie 33, 1702–1725. https://doi.org/10.1109/tmi.2014.2321777 (2014).

Article PubMed Google Scholar

Wilson, E. et al. Précision du tracker électromagnétique dans la suite Cyberknife. SPIE Proc. https://doi.org/10.1117/12.655710 (2006).

Article Google Scholar

Berry, J. Précision du système de recherche sur la parole d'onde NDI. J. Discours Lang. Entendre. Rés. 54, 1295–1301. https://doi.org/10.1044/1092-4388(2011/10-0226) (2011).

Article PubMed Google Scholar

Pedregosa, F. et al. Scikit-learn : Apprentissage automatique en Python. J.Mach. Apprendre. Rés. 12, 2825–2830 (2011).

MathSciNet MATHGoogle Scholar

Jaiswal, A. Données pour l'étude : comparaison des implémentations de formateurs de faisceaux pour la localisation de source MEG. Zenodo https://doi.org/10.5281/zenodo.3233557 (2019).

Jaiswal, A. et al. Comparaison des implémentations de beamformer pour la localisation de source MEG. Neuroimage 216, 116797. https://doi.org/10.1016/j.neuroimage.2020.116797 (2020).

Article PubMed Google Scholar

de Tiège, X. et al. Enregistrement de l'activité épileptique avec MEG dans un bouclier magnétique léger. Épilepsie Res. 82, 227-231. https://doi.org/10.1016/j.eplepsyres.2008.08.011 (2008).

Article PubMed Google Scholar

Taulu, S. & Kajola, M. Présentation des données électromagnétiques multicanaux : la méthode de séparation de l'espace du signal. J. Appl. Phys. 97, 124905. https://doi.org/10.1063/1.1935742 (2005).

Article ADS CAS MATH Google Scholar

Télécharger les références

Les auteurs tiennent à remercier NDI Inc., Canada, pour avoir fourni le système Aurora complet et Polhemus Inc., Colchester, VT, USA, pour avoir fourni l'émetteur TX1 (courte portée) pour effectuer les tests. Nous remercions également Sami Kesti (MEGIN Oy, Espoo, Finlande) et Steven van Hengstum (NDI, Waterloo, ON, Canada) pour leur soutien et leurs précieuses suggestions au cours de l'étude. Nous tenons également à remercier le laboratoire BioMag (hôpital central d'Helsinki, Helsinki, Finlande) pour la mise à disposition du stimulateur DBS pour l'étude.

MEGIN Oy, Espoo, Finlande

Amit Jaiswal, Jukka Nenonen et Lauri Parkkonen

Département de neurosciences et de génie biomédical, École des sciences, Université Aalto, Espoo, Finlande

Amit Jaiswal et Lauri Parkkonen

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Conceptualisation et conservation des données : AJ, JN ; Méthodologie, logiciel, analyse formelle et investigation : AJ ; Supervision : JN, LP ; Administration du projet et ressource : JN ; Rédaction—ébauche originale : AJ ; Rédaction—révision et édition : JN, LP

Correspondance à Amit Jaiswal.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui autorise l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Jaiswal, A., Nenonen, J. & Parkkonen, L. Sur la numérisation de la tête électromagnétique en MEG et EEG. Sci Rep 13, 3801 (2023). https://doi.org/10.1038/s41598-023-30223-9

Télécharger la citation

Reçu : 11 novembre 2022

Accepté : 17 février 2023

Publié: 07 mars 2023

DOI : https://doi.org/10.1038/s41598-023-30223-9

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.