İnsan Kafasındaki Dokuların Öziletkenliklerin Kestirimi İçin Kullanılan İstatistiksel Kısıtlı Minimum Ortalama Hatalar Karesi Algoritmasının Kaynak Yerelleştirimine Etkisi

Abstract

EEG ve/veya MEG ölçümleri verildiğinde, insan beynindeki aktif kaynakların bulunması\"EEG/MEG biyoelektromanyetik ters problemi\", \"aktivite kaynağının belirlenmesi\" ya da\"kaynak yerelleştirimi\" (source localization) olarak tanımlanır. Tipik bir kaynak yerelleştirimisistemi EEG/MEG ölçümlerinin yanısıra hastanın/deneğin kafasına ait geometri bilgisine,elektriksel kaynak hakkındaki ön bilgiye, ölçüm elektrotlarının sayısına ve bu elektrotların üçboyutlu uzaydaki konumuna ve kafa modelinde yer alan dokularınöziletkenliklerine/özdirençlerine ihtiyaç duyar. Bu çalışmada insan kafasındaki dokularınöziletkenliklerini kestirmek için daha önce önerilen İstatistiksel Kısıtlı Minimum OrtalamaHatalar Karesi algoritmasının, öziletkenlik kestirimindeki başarımı benzetim çalışmaları ilehesaplanmış ve kaynak yerelleştirimine etkisi araştırılmıştır. Beyin, kafa tası ve kafaderisinden oluşan üç kompartımanlı gerçekçi bir kafa modeli kullanılarak yapılan benzetimçalışmalarında 100 farklı öziletkenlik değeri kestirilmeye çalışılmış ve kestirim hataları kafaderisi için ortalamada %23, kafatası için % 40 ve beyin için de %17 olarak hesaplanmıştır.Çalışmanın ikinci bölümünde ise literatürde verilen ortalama öziletkenlik değerlerikullanıldığında ve önerilen algoritma ile kestirilen öziletkenlik değerleri kullanıldığındaortaya çıkan kaynak yerelleştirimi hataları yine benzetim çalışmaları ile araştırılmıştır.Çalışma sonunda literatürde verilen ortalama öziletkenlik değerleri kullanıldığında 10,1 mmkaynak yerelleştirimi hatası bulunurken önerilen algoritma ile kestirilen öziletkenlik değerlerikullanıldığında ise bu hata 2,7 mm'ye inmiştir. Burada bulunan sonuçlara göre İ.K.M.O.H.K.algoritması ile kestirilen doku öziletkenlikleri kullanıldığında kaynak yerelleştirimi konumhatasında ortalama öziletkenlik kullanılması durumuna göre %73,07'lik azalmagörülmektedir. Sonuç olarak kaynak yerelleştirimi uygulamalarında İ.K.M.O.H.K. algoritmasıile kişiye özgü olarak elde edilen doku öziletkenliklerini kullanmak, ortalama öziletkenlikkullamaya kıyasla hata oranlarını azalttığı sonucuna varılabilir.