Nachricht

Dec 06, 2023

Zur elektromagnetischen Kopfdigitalisierung in MEG und EEG

Scientific Reports Band 13, Artikelnummer: 3801 (2023) Diesen Artikel zitieren 1370 Zugriff auf 3 altmetrische Metrikdetails In MEG- und EEG-Studien wirkt sich die Genauigkeit der Kopfdigitalisierung auf die aus

Wissenschaftliche Berichte Band 13, Artikelnummer: 3801 (2023) Diesen Artikel zitieren

1370 Zugriffe

3 Altmetrisch

Details zu den Metriken

In MEG- und EEG-Studien wirkt sich die Genauigkeit der Kopfdigitalisierung auf die Koregistrierung zwischen funktionellen und strukturellen Daten aus. Die Co-Registrierung ist einer der Hauptfaktoren, die die räumliche Genauigkeit bei der MEG/EEG-Quellenbildgebung beeinflussen. Präzise digitalisierte Punkte auf der Kopfoberfläche (Kopfhaut) verbessern nicht nur die Koregistrierung, sondern können auch eine MRT-Vorlage verzerren. Eine solche individualisierte MRT-Vorlage kann für die Leitfähigkeitsmodellierung in der MEG/EEG-Quellenbildgebung verwendet werden, wenn die strukturelle MRT des Individuums nicht verfügbar ist. Elektromagnetische Tracking-Systeme (EMT) (insbesondere Fastrak, Polhemus Inc., Colchester, VT, USA) sind die gebräuchlichste Lösung für die Digitalisierung in MEG und EEG. Allerdings kann es gelegentlich zu elektromagnetischen Störungen in der Umgebung kommen, die es schwierig machen, eine Digitalisierungsgenauigkeit (im Sub-)Millimeterbereich zu erreichen. Die aktuelle Studie – (i) bewertete die Leistung des Fastrak EMT-Systems unter verschiedenen Bedingungen bei der MEG/EEG-Digitalisierung und (ii) untersucht die Verwendbarkeit zweier alternativer EMT-Systeme (Aurora, NDI, Waterloo, ON, Kanada; Fastrak mit a Kurzstreckensender) für die Digitalisierung. Trackingschwankung, Digitalisierungsgenauigkeit und Robustheit der Systeme wurden in mehreren Testfällen anhand von Testrahmen und menschlichen Kopfmodellen bewertet. Die Leistung der beiden alternativen Systeme wurde mit dem Fastrak-System verglichen. Die Ergebnisse zeigten, dass das Fastrak-System für die MEG/EEG-Digitalisierung genau und robust ist, wenn die empfohlenen Betriebsbedingungen erfüllt sind. Der Fastrak mit dem Nahbereichssender weist vergleichsweise höhere Digitalisierungsfehler auf, wenn die Digitalisierung nicht sehr nah am Sender erfolgt. Die Studie zeigt auch, dass das Aurora-System in einem begrenzten Bereich für die MEG/EEG-Digitalisierung verwendet werden kann; Es wären jedoch einige Modifikationen erforderlich, um das System zu einem praktischen und benutzerfreundlichen Digitalisierer zu machen. Seine Echtzeit-Fehlerschätzungsfunktion kann möglicherweise die Digitalisierungsgenauigkeit verbessern.

Bei der Bildgebung elektromagnetischer funktioneller Quellen wie der Magnetenzephalographie (MEG) und der Elektroenzephalographie (EEG) werden normalerweise anatomische MRT-Bilder (Magnetresonanztomographie) vom Kopf einer Person verwendet, um die Geometrie und das Kopfmodell für die Berechnungen zu definieren. Für eine zuverlässige Zusammenführung der funktionellen und anatomischen Informationen ist es erforderlich, dass die Lage anatomischer Orientierungspunkte auf der Kopfoberfläche genau bekannt ist. Außerdem müssen die Positionen und Ausrichtungen der Sensoren/Elektroden in Bezug auf den Kopf mit ausreichender Genauigkeit bekannt sein1. Da die funktionellen und anatomischen Daten von zwei separaten medizinischen Bildgebungssystemen erfasst werden, erfordert ihre Kombination die gemeinsame Registrierung ihrer Koordinatensysteme, um eine affine Transformation zwischen MEG/EEG- und MRT-Koordinatensystemen zu definieren. Diese gemeinsame Registrierung erfolgt normalerweise durch manuelles Ausrichten einer Reihe von Referenzpunkten, die in den beiden Koordinatenrahmen bestimmt werden. Drei leicht identifizierbare anatomische Orientierungspunkte im MRT und auf der Kopfhautoberfläche – Nasion, linkes Präaurikular (LPA) und rechtes Präaurikulär (RPA) – dienen typischerweise als Referenzpunkte für die Co-Registrierung. Optional kann mithilfe einer ICP-basierten (iterativen nächstgelegenen Punkt)2-automatisierten Co-Registrierung ein Satz von im MEG/EEG-Koordinatenrahmen bestimmten Kopfhautoberflächenpunkten mit der aus der MRT extrahierten Kopfhautoberfläche abgeglichen werden.

Die Referenzpunkte im MRT-Koordinatenrahmen werden durch visuelle Navigation in den 3D-MRT-Bildern oder der aus diesen Bildern extrahierten Kopfhautoberfläche bestimmt. Im MEG/EEG-Koordinatensystem werden diese Referenzpositionen und die Punkte auf der Kopfhautoberfläche mithilfe eines elektromagnetischen oder optischen Positionsverfolgungsgeräts während eines Vorgangs bestimmt, der allgemein als Kopfdigitalisierung bezeichnet wird. Die meisten MEG-Systeme basieren auf einem festen Sensorarray mit genau definierten Sensorpositionen im Koordinatenrahmen des MEG-Geräts, und der Kopf kann sich möglicherweise entsprechend bewegen. die Sensoren während der Datenerfassung. In den MEG-Systemen von MEGIN Oy (Espoo, Finnland) wird die Position des Kopfes des Probanden relativ zu den MEG-Sensoren mithilfe von vier oder fünf Kopfpositionsanzeigespulen (HPI) bestimmt, die an der Kopfhaut angebracht sind. Die HPI-Spulenpositionen werden zusammen mit den Referenz- und Kopfhautpunkten digitalisiert und ihre Positionen werden im Kopfkoordinatenrahmen bestimmt, der durch die digitalisierten Referenzpunkte definiert wird. Wenn die Spulen mit Strom versorgt werden, kann das MEG-Sensorarray sie im Koordinatenrahmen des MEG-Geräts lokalisieren. Wenn man die HPI-Spulenpositionen in diesen beiden Frames kennt, wird eine Gerät-zu-Kopf-Koordinatentransformation definiert, die die Kopfposition innerhalb des MEG-Sensorarrays bestimmt. Daher umfassen MEG-Quellenbildgebungsstudien eine Kombination aus drei Koordinatensystemen (Abb. 1)3:

MEG-Gerätekoordinatensystem, das die Positionen und Ausrichtungen der MEG-Sensoren zueinander definiert.

Kopfkoordinatensystem basierend auf den digitalisierten Referenzpunkten, die auf der Kopfoberfläche und in den MRT-Daten genau identifizierbar sind.

MRT-Koordinatensystem, das nativ (gerätebasiert) sein oder durch MRT-Verarbeitungssoftware bestimmt werden kann.

Die Koordinatensysteme und ihre Beziehungen3.

EEG-Elektroden werden zusammen mit den anderen digitalisierten Punkten im selben Kopfkoordinatensystem digitalisiert, da sie sich auf der Kopfhaut befinden. Daher umfasst die EEG-Quellenbildgebung eine Kombination aus nur zwei Koordinatensystemen – dem Kopfkoordinatensystem und dem MRT-Koordinatensystem.

Frühere Studien haben den Effekt der Co-Registrierungsgenauigkeit bei der MEG/EEG-Quellenbildgebung untersucht4,5,6 und sie bestätigen, dass eine sorgfältige und genaue Digitalisierung ein entscheidender Schritt ist. Bei MEG/EEG wird die Digitalisierung hauptsächlich zur Definition der Koordinatentransformationen verwendet, entweder während der Datenerfassung oder der Quellenschätzung, und manchmal auch zur Anpassung eines Kugelkopfmodells für die Quellenmodellierung7,8. Einige Studien haben jedoch auch die Rolle digitalisierter Punkte bei der Definition eines pseudorealistischen Volumenleitermodells gezeigt9,10,11. Es hat sich gezeigt, dass ein realistisches Kopfmodell, das die inneren Schädel- und Kopfhautoberflächen einer Person verwendet, das sphärische Kopfmodell in der Quellbildgebung übertrifft12,13. Allerdings ist die Definition eines realistischen Volumenleitermodells manchmal eine Herausforderung, insbesondere wenn die MRT einer Person nicht verfügbar ist. In einem solchen Fall kann beispielsweise die TPS-Methode (Thin-Plate-Spline)14 angewendet werden, um Kopfhaut- und Gehirnoberflächen mithilfe dicht abgetasteter Kopfhaut-Digitalisierungspunkte vom Kopf des Probanden zu verzerren. Obwohl die individualisierten (verzerrten) Oberflächen nicht genau das echte individuelle MRT darstellen würden, sind sie ausreichend ähnlich, um bei der MEG/EEG-Analyse nützlich zu sein. Da die Digitalisierung sowohl Einfluss auf die Koordinatentransformation als auch auf den Warping-Ansatz hat, ist die Genauigkeit der Digitalisierung bei der MEG/EEG-Quellenbildgebung von entscheidender Bedeutung.

Für die Digitalisierung der Kopfhaut und die Lokalisierung von EEG-Elektroden wurden verschiedene Techniken eingeführt. Darüber hinaus haben einige Studien die Vorteile und Grenzen verschiedener Digitalisierungsmethoden bewertet15,16. Zu diesen Methoden gehören:

Digitale Messschieber zur Lokalisierung von Elektroden durch Messung der Abstände zwischen Elektrodenpaaren und Bezugspunkten17,18.

An Elektroden befestigte MRT-Markerkapseln19,20.

Ultraschalldigitalisierung15,21.

Photogrammetriebasierte Digitalisierung22,23,24.

Elektromagnetische Ortung25,26.

Laserbasiertes optisches Scannen27,28.

Reflektierendes markerbasiertes optisches Scannen16.

3D-Scannen mit strukturiertem Licht29,30,31.

Unter diesen Methoden ist die EMT-basierte Digitalisierung seit langem der am weitesten verbreitete Ansatz. Ein EMT ist ein Sender-Empfänger-basiertes Trackingsystem, bei dem ein Empfänger in ein vom Sender erzeugtes elektromagnetisches (EM) Feld platziert wird, um die dreidimensionale Position des Empfängers in Bezug auf den Sender oder einen anderen Empfänger zu bestimmen. Ein in der Nähe befindliches magnetisches Objekt kann jedoch das Senderfeld verzerren und die Digitalisierungsgenauigkeit beeinträchtigen. Außerdem dauert die EMT bei dichten EEG-Elektrodenanordnungen länger, da der Empfänger auf jede Elektrode gerichtet werden muss. Als Alternative zum EMT wurden in den letzten Jahren optische Scanner eingeführt. Sie können den Digitalisierungsprozess beschleunigen und sind frei von EM-Störungsproblemen, leiden aber im Allgemeinen unter dem Problem der Sichtlinie. IR-Reflektor-basierte Scanner wie Krios® (NDI, Waterloo, ON, Kanada) wurden in den letzten Jahren als alternative Lösungen entwickelt, insbesondere für eine dichte EEG-Kappe16. Sie bieten eine Genauigkeit im Millimeterbereich und eine schnellere Digitalisierung für ein dichtes EEG. Allerdings wird bei MEG-Scans oft keine EEG-Haube getragen; Infolgedessen arbeitet der optische Scanner nur im Sondierungsmodus, ähnlich einem EMT-basierten Digitalisierer, und das Problem der Sichtlinie verschlimmert sich, was die Digitalisierung von Kopfhautpunkten schwieriger und zeitaufwändiger macht. Jüngste Studien haben den 3D-Scanner mit strukturiertem Licht (Occipital, CO, USA) für die Digitalisierung eingeführt29,30,31. Ein solcher Scanner ist schnell und liefert ein dichtes dreieckiges Netz der Kopfoberfläche mit hoher Genauigkeit, insbesondere an sanft variierenden Stellen. Allerdings ist eine Nachbearbeitung erforderlich, um die anatomischen Orientierungspunkte zu identifizieren. Da der Scanner außerdem eine Haarhülle anstelle der Kopfhaut liefert, ist eine andere Co-Registrierungsstrategie erforderlich, bei der ausschließlich die nicht behaarte Kopfoberfläche verwendet wird. Da außerdem die Kopfhaut aufgrund von Haaren möglicherweise nicht genau definiert ist, ist eine korrekte Verzerrung einer Schablonen-MRT unmöglich.

Aufgrund der oben genannten praktischen Einschränkungen optischer Digitalisierer sind EMT-Systeme wie Fastrak® oder seine älteren Varianten (Polhemus Inc., Colchester, VT, USA) immer noch die am häufigsten verwendeten Digitalisierer im MEG/EEG und bleiben möglicherweise die praktischste Lösung dafür MEG. Der Fastrak® mit dem Standard-TX2-Sender erreicht eine Präzision im Millimeterbereich und ist für die Digitalisierung in der MEG/EEG-Forschung und der klinischen Praxis weithin akzeptiert15,32. Einige Studien haben jedoch Abweichungen in der Digitalisierungsgenauigkeit von bis zu mehreren Millimetern je nach Messbedingungen berichtet15,32. Als Gründe für solche Abweichungen werden in der Nähe befindliche EM-Störquellen, physischer Kontakt zwischen Sender- und Empfängerkabeln, weiche Haut und Haare sowie Kopfbewegungen genannt32. In einer klinischen Umgebung kann es zusätzliche Faktoren geben, die das EM-Feld des Senders verzerren, wie z. B. zahnärztliche Arbeiten, Langzeit-EEG-Überwachungselektroden, magnetisiertes Material aus früheren Operationen und in der Nähe befindliche unbewegliche Instrumente. Chirurgische Implantate und therapeutische Stimulatoren sind unvermeidbare Artefaktquellen. Die magnetischen Eigenschaften ihrer Materialien und Schaltkreise können das Senderfeld verzerren und die Digitalisierungsgenauigkeit verringern. Die Benutzer können möglicherweise einige der Störungen identifizieren und beheben, aber Bedingungen wie die Verstärkung von Metallstangen in nahegelegenen Wänden oder Decken können die Präzision der Digitalisierung heimlich beeinträchtigen. Andere praktische Einschränkungen, wie z. B. Handzittern beim Digitalisieren von Bezugspunkten und überlappende Sender-Empfänger-Kabel, können ebenfalls zu einer gewissen Ungenauigkeit führen.

Nicht systematische und standortspezifische Unterschiede in der Digitalisierungsgenauigkeit haben es schwierig gemacht, die Störquellen zu untersuchen, ihre Auswirkungen zu quantifizieren und eine robuste MEG/EEG-Digitalisierungsmethode zu definieren. Darüber hinaus ist es von entscheidender Bedeutung, die Leistung des aktuellen Systems in verschiedenen Interferenzfällen zu bewerten und Optionen für die Entwicklung eines robusteren Systems für die Digitalisierung zu untersuchen. Die vorliegende Studie konzentriert sich auf zwei Aspekte:

Eine umfassende Evaluierung des aktuellen EMT-basierten Digitalisierers Fastrak® mit dem TX2-Sender unter verschiedenen Interferenzbedingungen, um die besten Digitalisierungspraktiken während MEG/EEG zu ermitteln.

Ein direkter Vergleich zweier verschiedener EMT-basierter Systeme, um zu beurteilen, ob es einen robusteren Digitalisierer für MEG/EEG gibt.

Für jedes der drei Systeme wurde die Positionsverfolgungsschwankung33,34 sowohl mit als auch ohne Vorhandensein unterschiedlicher elektromagnetischer Störungen quantifiziert. Darüber hinaus wurden die Auswirkungen verschiedener Messbedingungen eingehend untersucht, wie z. B. variierende Sender-Empfänger-Abstände, Bewegungen während der Digitalisierung, Störungen in der Nähe, Störungen der umgebenden Infrastruktur und ein medizinisches Implantat. Zur Prüfung der Digitalisierungsgenauigkeit unter verschiedenen Umgebungsbedingungen wurden zwei starre Testmodelle mit genau definierten Punkten verwendet. Wir haben auch die Leistung der drei Digitalisierungssysteme mit einem vormarkierten menschlichen Kopfmodell getestet, um die Freiform-Digitalisierung der Kopfhaut im MEG zu reproduzieren, und einer 32-Kanal-EEG-Haube, um die Digitalisierung mit festen Elektroden im EEG zu testen. Abschließend haben wir die Auswirkungen der drei Digitalisierungsarten auf die MEG-Quellenmodellierung gezeigt. Zusätzlich zur Zusammenfassung unserer Ergebnisse haben wir einige Richtlinien bereitgestellt, die bei der Verwendung des EMT-basierten Systems für die MEG/EEG-Digitalisierung zu befolgen sind.

Die drei in der Studie bewerteten EMT-Systeme waren: (i) ein Fastrak®-System mit einem Standardsender (TX2), im Folgenden als Fastrak TX2 bezeichnet, (ii) ein Aurora®-System mit einem 20–20-Planarfeldgenerator, im Folgenden bezeichnet bekannt als Aurora, und (iii) ein Fastrak®-System mit einem Sender mit kurzer Reichweite (TX1), im Folgenden als Fastrak TX1 bezeichnet. Fastrak TX1 unterschied sich von Fastrak TX2 durch die Verwendung eines Senders mit kurzer Reichweite, der für die Digitalisierung innerhalb von ~ 50 cm optimiert ist und von dem erwartet wurde, dass er außerhalb dieses Bereichs weniger anfällig für EM-Störquellen ist. Das Aurora-System wird seit mehreren Jahren in klinischen Anwendungen eingesetzt, bei denen räumliche Präzision im Submillimeterbereich erforderlich ist, z. B. bei der chirurgischen Navigation; Es wurde jedoch nicht für die MEG/EEG-Digitalisierung angewendet. Die Hardware-Spezifikationen, das eingeschränkte EM-Feld, die erwartete Genauigkeit und eine Echtzeit-Fehleranzeigefunktion motivierten uns, das Aurora-System im Vergleich zum aktuellen Digitalisierer auf eine mögliche neue Digitalisierungsoption zu untersuchen. Tabelle 1 vergleicht die Hauptmerkmale der drei Systeme; Eine vergleichende Darstellung ihres EM-Feldes ist in der ergänzenden Abbildung S1A dargestellt. Diese drei Systeme decken ein breites Anwendungsspektrum ab, in dieser Studie haben wir sie jedoch nur als Digitalisierer für MEG/EEG untersucht, insbesondere bei der MEG-Erfassung. Beachten Sie, dass der Sender in den Aurora-Systemhandbüchern (NDI, Waterloo, ON, Kanada) als Feldgenerator bezeichnet wird. Der Empfänger als Werkzeug und der Stift als Messtaster entsprechen der gängigen Terminologie für Fastrak TX2, und wir haben diese Begriffe für alle drei Systeme verwendet.

Fastrak TX2 ist ein Allzweck-EMT-System, das für verschiedene räumliche Tracking-Anwendungen, einschließlich MEG/EEG-Digitalisierung, entwickelt wurde. Der Standardsender TX2 erzeugt ein sphärisches Feld mit erheblicher Stärke bis zu ~ 150 cm und ein viel schwächeres Feld noch länger, was ein großes VoM (Messvolumen) und mehr Freiheit für die Digitalisierung rund um den Kopf ermöglicht (3space® Fastrak®-Benutzerhandbuch, Polhemus Inc., Colchester, VT, USA). Mithilfe von Wechselstrom-Elektromagnetik verfolgt die Verarbeitungseinheit SEU kontinuierlich einen Sondenempfänger. an einen Referenzempfänger mit einer maximalen Frequenz von 60 Hz gesendet. Es bietet eine benutzerfreundliche Digitalisierungsplattform mit einem schalterfähigen Sondierungsempfänger und systemspezifischen MEG/EEG-Digitalisierungsschnittstellen. Fastrak TX2 gilt als Goldstandard für die MEG/EEG-Digitalisierung; Daher verwendeten wir dieses System als Referenz-Digitalisierer in der Studie. Wir verwendeten einen TX2-Sender und zwei Empfänger, nämlich einen Stift und einen Referenzempfänger. Der Stift ist ein etwa 18 cm langes, stiftähnliches „Tastwerkzeug“ mit einem Schalter, der die Systemfunktionen zu einem Freiform-Digitalisierer erweitert, bei dem sowohl eine Einzel- als auch eine kontinuierliche Positionsausgabe möglich ist. Bei der MEG/EEG-Anwendung wird der Referenzempfänger üblicherweise mit einer Schutzbrille (oder einem Gummiband) am Kopf des Patienten befestigt, sodass er sich mit dem Kopf bewegt. SEU berechnet die Position der Empfänger im globalen (bezogen auf die Mitte des Senders) und referenzierten (bezogen auf die Mitte des Referenzempfängers) Koordinatensystem. Die Digitalisierung erfolgt im Referenzkoordinatensystem, zentriert am Referenzempfänger und in Bewegung mit dem Kopf, um die Kopfbewegung während der Digitalisierung auszugleichen. Die systemspezifische Digitalisierungssoftware, zum Beispiel der Isotrak-Server von MEGIN, wandelt jeden digitalisierten Punkt in Echtzeit in den Kopfkoordinatenrahmen um, unmittelbar nachdem die drei Referenzpunkte digitalisiert wurden. Abbildung 2A zeigt den in der Studie verwendeten Fastrak TX2-Aufbau und Abb. 2B zeigt die Befestigung des Referenzempfängers am Kopf.

Fastrak-System. (A) Die standardmäßigen TX2-Systemkomponenten, (B) Referenzempfänger, der während der Digitalisierung an Brillen angebracht wurde, (C) physikalische Unterschiede zwischen den TX1- und TX2-Sendern.

Wirbelströme in leitenden Objekten spielen eine wichtige Rolle bei der EMT-Feldverzerrung35. Sie sind proportional zu Faktoren wie Feldstärke, Änderungsrate, Objektleitfähigkeit und Oberfläche. Daher erzeugt das stärkere EM-Feld im gleichen Abstand vom Sender TX2 im Vergleich zu TX1 stärkere Wirbelströme und damit höhere Verzerrungen. In der Praxis erfordert die MEG/EEG-Digitalisierung möglicherweise kein so großes VoM, wie es der TX2 bietet. Stattdessen könnte ein Sender mit einem kleineren VoM und einem Radius unter 100 cm optimal sein, um den gesamten Kopf abzudecken und gleichzeitig die Anfälligkeit für Störquellen wie leitende Materialien in Böden, Wänden und Deckeneinbauten zu verringern. Fastrak TX1 verfügt über ein sphärisches Feld, das über ~ 50 cm abklingt, wodurch das System weniger anfällig für Störquellen außerhalb dieses Bereichs ist. Abbildung 2C zeigt den physikalischen Unterschied zwischen den Sendern TX1 und TX2. Der übrige Aufbau und die Funktionsweise waren identisch mit dem im vorherigen Abschnitt beschriebenen Fastrak TX2-System.

Aurora ist ein Allzweck-EMT-System, das für viele räumliche Verfolgungsaufgaben eingesetzt wird, einschließlich klinischer Anwendungen, die eine hohe räumliche Genauigkeit erfordern33,36,37. Die in dieser Studie verwendeten Systemkomponenten sind in Tabelle 1 und Abb. 3A dargestellt. Der 20–20 PFG (Sender) sendet ein Wechselstrom-EM-Feld geringer Intensität aus und erzeugt ein würfel- oder kuppelförmiges VoM mit einer Reichweite von maximal 66 cm (Aurora v3.1-Benutzerhandbuch, NDI, Waterloo, ON, Kanada); Einzelheiten siehe Abb. S1A. Das einseitige kuppelförmige VoM, das über einen mechanischen Arm verschiebbar ist, macht das System weniger anfällig für EM-Störungen in der Nähe und eignet sich für verschiedene klinische Anwendungen, wie beispielsweise die chirurgische Navigation. Das System gibt die Position und Ausrichtung jedes Empfängers mit 40 Hz in einem Koordinatensystem zurück, das auf dem Sender oder einem anderen Empfänger zentriert ist. Darüber hinaus stellt das System für jede Probe eine Metrik namens Fehlerindex als Maß für die Probenqualität bereit. Die Fehlerindizes hängen von mehreren Faktoren ab, die die Positionsschätzung des Empfängers beeinflussen, wie z. B. EM-Störungen durch externe Quellen, falsche Systemeinrichtung, Annäherung an die VoM-Grenze und ein Fehler im Stift aufgrund einer physischen Beschädigung. Dieser Index reicht von 0 bis 1, wobei 0 die ideale Schätzung einer Position und 1 die Schätzung mit der schlechtesten Qualität angibt. Das System warnt Benutzer im Falle einer fehlerhaften Messung und ermöglicht es ihnen, diese aus der Digitalisierung auszuschließen.

Aurora-System. (A) Für die Studie verwendete Komponenten (Bild mit freundlicher Genehmigung von NDI, Waterloo, ON, Kanada), (B) geclusterte kontinuierliche Trackingpunkte (graue Punkte). (C) Die Digitalisierungspunkte (rot); beide im Kopfkoordinatensystem von MEGIN.

Das 20–20 PFG wurde an der Rückenlehne des Digitalisierungsstuhls befestigt, um das kuppelförmige VoM in Richtung Kopf (Modell) zu projizieren, Einzelheiten siehe Abb. S1B. Im Gegensatz zu einer einzelnen SEU im Fastrak-System verwendete Aurora separate Einheiten für die Systemsteuerung und die Sensor-(Empfänger-)Schnittstelle (SIU). Es wurden zwei Empfänger mit 6DOF verwendet – ein scheibenförmiger Referenzempfänger und ein Antastempfänger (Stift). Im Gegensatz zum Fastrak-System war der Stift von Aurora ca. 20 cm lange Universalsonde mit stumpfer Spitze von 3 mm Durchmesser und ohne integrierten Schalter. Das System wurde über USB an einen Computer angeschlossen, auf dem die NDIToolBox™-Software (Aurora V3.1-Benutzerhandbuch; NDI, Waterloo, ON, Kanada) gehostet wurde, und Positionsdaten für die Empfänger wurden aufgezeichnet. Da für das aktuelle Aurora-System weder eine Digitalisierungssoftware noch ein schalterfähiger Stift verfügbar ist, konnten wir nur die kontinuierlichen Positionsdaten aufzeichnen. Die Digitalisierung erfolgte jedoch durch die programmatische Erkennung von Clustern in kontinuierlichen Daten. Der Stift wurde 3 Sekunden lang auf jede gewünschte Stelle gerichtet, was eine Gruppe von etwa 120 Trackingpunkten ergab. Ein benutzerdefiniertes Python-Programm mit scikit-learn38 identifizierte diese Cluster mithilfe eines Schwellenwerts von 100 Punkten innerhalb von 1 mm und bildete dann den Durchschnitt der Punkte in jedem Cluster, um einen einzelnen Standort pro Cluster zu ermitteln. Diese Standorte wurden dann als vom Aurora-System erfasste Digitalisierungspunkte gespeichert. Abbildung 3B zeigt die kontinuierlichen Tracking-Datenpunkte (grau) für zweiunddreißig EEG-Elektroden und drei Referenzpositionen, während Abb. 3C die erkannten digitalisierten Punktpositionen (rote Punkte) zeigt. Diese Punkte wurden von der EEG-Kappe gesammelt, die über einem Styropor-Kopfmodell getragen wurde, aber zur besseren dreidimensionalen Darstellung auf ein menschliches Kopfhautmodell gelegt.

Zur Untersuchung der Digitalisierungsleistung verwendeten wir ein kugelförmiges MEG-Phantom, einen 3D-Digitalisierungstestrahmen und zwei Styroporkopfmodelle, eines mit einem Satz vordefinierter Punkte und eines mit einer EEG-Kappe. Die beiden erstgenannten Modelle verfügen über vordefinierte Punkte mit Submillimeter-Präzision, während die beiden letztgenannten sorgfältig mit Fastrak TX2 für die vordefinierten Punkte und EEG-Elektroden digitalisiert wurden, um Referenzpositionen für die weitere Analyse zu erhalten. Außerdem haben wir anhand eines maßgeschneiderten Modells die Auswirkung eines implantierten medizinischen Stimulators auf die Digitalisierung getestet. Abbildung 4A–E zeigt die in der Studie verwendeten Testmodelle. Wir haben keinen menschlichen Probanden zum Testen der Digitalisierungsgenauigkeit einbezogen, um den Einfluss der Haut- und Haarweichheit zu vermeiden32.

Modelle zum Testen der Digitalisierungsgenauigkeit. (A) Sphärisches MEG-Phantom, (B) 3D-Testrahmen, (C) Styropor-Kopfmodell mit 35 markierten Punkten, (D) EEG-Haube mit 32 Elektroden, (E) Aufbau für den Digitalisierungstest mit einem aktiven DBS-Gerät (rot gepunktet). Kreis).

Ein kugelförmiges MEG-Phantom (MEGIN Oy, Espoo, Finnland) wird häufig für Routinetests der Digitalisierergenauigkeit an MEG-Standorten verwendet. Um die Digitalisierung zu testen, verfügt das Phantom über drei Referenzpunkte und 4–5 Head Position Indicator (HPI)-Spulenpositionen; Drei HPI-Spulen befinden sich an den drei Referenzpunkten (Abb. 4A). Dadurch bietet das Phantom fünf verschiedene Standorte für Digitalisierungstests. Das Phantom verfügt außerdem über 32 Stromdipole an genau bekannten Standorten, sodass Benutzer die Leistung des MEG-Systems bei der Quellenlokalisierung testen können.

Der dreidimensionale Digitalisierungstestrahmen (Innokas Medical Oy, Helsinki, Finnland), im Folgenden als 3D-Testrahmen bezeichnet, wird nur zum Testen der Genauigkeit eines Digitalisierers verwendet und verfügt daher über keine Quelle für MEG-Signale. Es handelt sich um eine starre und hohle kubische Glasfaserstruktur. Auf dem kubischen Rahmen ist eine 150 cm hohe Glasfaserplatte mit einer Seitenlänge von 16 cm angebracht, an der an genau definierten Stellen neun Punkte mit einer Tiefe von 2 mm ausgegraben wurden (Abb. 4B). Die ersten vier Punkte mit der Bezeichnung „Links“ (L), „Nasion“ (N), „Rechts“ (R) und „Hinten“ (B) befinden sich in der Mitte der vier Seiten erhöhter Platten. Die folgenden fünf Punkte befinden sich auf der Oberseite. Keiner der Punkte überschneidet sich, sodass der Rahmen neun verschiedene Punkte für Digitalisierungstests bietet.

Wir verwendeten 35 markierte Punkte im „Kopfhaut“-Bereich (32 an zufälligen Positionen und drei Referenzpunkte (Nasion, linker und rechter präaurikulärer Punkt) auf einem Styropor-Kopfmodell mit einem Umfang von 52 cm. Dieses Modell ahmt die Digitalisierung der Kopfhaut ohne nach EEG-Kappe, was bei der MEG-Erfassung häufig der Fall ist, oder Digitalisierung einzeln platzierter EEG-Elektroden (Abb. 4C). Die Punkte wurden sorgfältig mit dem Standard-Fastrak TX2-System digitalisiert, indem das Modell 15 cm vom Sender entfernt platziert wurde. Die Die Positionen wurden im MEGIN-Kopfkoordinatensystem als Referenz für weitere Tests mit dem Modell gespeichert.

Um die Leistung der Systeme während der Digitalisierung der EEG-Elektrode zu beurteilen, haben wir eine 32-Kanal-EEG-Haube (ANT Neuro, Niederlande) digitalisiert, die auf einem anderen Styropor-Kopfmodell mit einem Umfang von 61 cm getragen wurde (Abb. 4D). Wir haben die Elektroden und drei markierten Referenzpunkte mit dem Fastrak TX2-System sorgfältig digitalisiert, indem wir das Modell 15 cm vom Sender entfernt platziert haben. Die Positionen wurden im MEGIN-Kopfkoordinatensystem als Referenz für weitere Tests mit diesem Modell gespeichert.

DBS (Deep Brain Stimulator) ist ein typischer Stimulator bei neurologischen Patienten. DBS-Elektroden werden in das Gehirn implantiert und die Steuereinheit und die Kabel können das Senderfeld stören. Um die Auswirkung eines chirurgischen Implantats auf die Digitalisierung zu bewerten, führten wir die beiden Elektroden eines DBS (Activa PC; Medtronic, Dublin, Irland) in eine Wassermelone ein, die sich im 3D-Testrahmen befand. Die Elektroden waren etwa 8 cm tief und hatten einen Abstand von etwa 4 cm. Die Anordnung ist in Abb. 4E dargestellt. Die neun Punkte des 3D-Testrahmens wurden verwendet, um die Digitalisierung zu testen, während das DBS in verschiedenen Modi betrieben wurde.

In dieser Studie wurden keine menschlichen Daten erfasst und alle Tests wurden an nicht lebenden Testmodellen durchgeführt. Das in Abb. 3B,C dargestellte Kopfhautmodell wurde aus einem öffentlich zugänglichen Datensatz39 gewonnen, der während unserer vorherigen Studie40 aufgezeichnet wurde. Vom Teilnehmer wurde eine schriftliche Einverständniserklärung zur Verwendung des Kopfhautmodells in der aktuellen Studie und Veröffentlichung eingeholt.

Von allen drei EMT-Systemen wurden Daten gesammelt, um Tracking-Schwankungen, Digitalisierungsgenauigkeit und Reproduzierbarkeit zu untersuchen. Die Trackingschwankung zeigt die intrinsische Eigenschaft und Robustheit der EMT-Systeme bei der Positionsverfolgung. Da das System jedoch in MEG/EEG-Studien zur Digitalisierung und nicht zur kontinuierlichen Positionsverfolgung verwendet wird, ist die Genauigkeit der Digitalisierung im Submillimeterbereich entscheidend für genaue Transformationen und die Schätzung einer präzise verzerrten MRT-Vorlage. Daher wurde eine umfassende Bewertung der Digitalisierungsgenauigkeit unter Berücksichtigung mehrerer bekannter und potenzieller Einflussfaktoren durchgeführt. Zur Aufzeichnung der Daten der beiden Fastrak-Systeme wurden PiMgr™ (Polhemus Inc., Colchester, VT, USA) und MEGINs Digitalisierungssoftware Isotrak Server verwendet. Daten vom Aurora-System wurden mit der NDIToolBox™-Software (NDI, Waterloo, ON, Kanada) aufgezeichnet. Alle Aufzeichnungen wurden einzeln von den drei Systemen aufgenommen, und während der Messungen war kein anderer Sender aktiv. Jeder Sender wurde an der Rückseite des hölzernen Digitalisierungsstuhls befestigt, etwa 110 cm über dem Boden und mehr als 150 cm unter der Decke. Wir haben dafür gesorgt, dass die Sender- und Empfängerkabel weder einander noch den Boden berührten, bis sie absichtlich auf solche Bedingungen getestet wurden. Darüber hinaus befand sich kein magnetisches oder elektrisch leitendes Objekt im Umkreis von 150 cm um den Sender, es sei denn, es wurde ausdrücklich für eine Testbedingung eingeführt.

Ein EMT-System verfolgt kontinuierlich jeden aktiven Empfänger und sammelt und gibt die Standortdaten je nach Anwendungsanforderungen auf unterschiedliche Weise aus. Bei der MEG/EEG-Digitalisierung kann beispielsweise ein Satz kontinuierlicher Datenproben des Stifts mithilfe von Ereignismarkierung und Mittelwertbildung oder räumlicher Clusterbildung digitalisiert werden. Bleibt ein Empfänger ortsfest, sollte ein EMT-System idealerweise im Laufe der Zeit die gleichen Koordinaten zurückgeben. Allerdings weisen Messungen aller EMT-Systeme eine gewisse Variation auf, die als Positionsverfolgungsfluktuation33,34 bezeichnet wird und vom Senderfeld, der Systemauflösung, dem Sender-Empfänger-Abstand und Umgebungsstörungen abhängt. Eine größere Tracking-Schwankung kann bei der Umrechnung in Digitalisierungspunkte zu räumlicher Ungenauigkeit führen. Daher sollte ein robustes EMT-System minimale Tracking-Schwankungen aufweisen. Wir haben die Tracking-Schwankungen gemessen, indem wir den Sender-Empfänger-Abstand variierten und die Umgebungsstörungen veränderten. Um die native (ohne Umgebungsgeräusche) Tracking-Schwankung zu untersuchen, wurden die Stylus-Tracking-Daten im globalen Koordinatensystem aufgezeichnet, indem die Stylus-Spitze in 5, 15, 25, 35 und 45 cm Entfernung vom Sender fixiert wurde. Um außerdem die Änderung der Positionsverfolgungsschwankung aufgrund von EM-Interferenzen aufzuzeichnen, wurden die Daten gesammelt, indem der Stift in 15 cm Entfernung fixiert und ein magnetisches Objekt in etwa 5, 15, 25, 35 und 45 cm Entfernung vom Sender geschwenkt wurde. Diese Objekte waren: 18 x 25 cm² große Kupferplatte, 2 x 2 cm² große Kupferplatte, Schlaufe aus Kupferschlaufe, Schlüsselset, goldener Schmuck, Brillen mit Metallgestell, elektronischer Taschenrechner, Kreditkarte, gewickelte ( Spiralkabel, Platinenstift, Permanentmagnet, Mobiltelefon, metallische Büroklammer, Bluetooth-Maus und Stahlschere. Die Details dieser Objekte sind in Tabelle S1 aufgeführt und in Abb. S2 dargestellt.

Der Abstand der Kopfdigitalisierungspunkte vom Sender kann je nach Körpergröße des Patienten zwischen 5 und 40 cm variieren. Da das Senderfeld mit der Entfernung vom Sender abnimmt, nimmt die Genauigkeit mit der Entfernung ab32. Um den optimalen VoM zu finden, haben wir daher die Feldstärke der drei Sender mit einem Spektrometer gemessen und beobachtet, dass die Feldstärke bei ~ 40 cm vom Sender entfernt etwa um den Faktor 10 abfällt. Daher würde die Möglichkeit höherer Digitalisierungsfehler zunehmen, wenn wir uns weiter vom Sender entfernen, insbesondere über 40 cm hinaus. Um die Auswirkungen des Sender-Empfänger-Abstands zu untersuchen, haben wir die Digitalisierungsgenauigkeit aller drei Systeme getestet, indem wir den 3D-Testrahmen digitalisiert haben, während er 15, 25, 35 und 45 cm vom Sender entfernt gehalten wurde. Darüber hinaus wurden die gleichen Messungen in diesen vier Entfernungen durch Bewegen (Rotieren und Neigen) des Rahmens während der Digitalisierung durchgeführt, um den Effekt der (Kopf-)Bewegung während der MEG/EEG-Digitalisierung abzuschätzen.

Engels und Kollegen32 berichteten über einen möglicherweise geringfügigen Anstieg von Digitalisierungsfehlern aufgrund des physischen Kontakts zwischen Sender- und Empfängerkabeln des Fastrak TX2-Systems; Allerdings stellten sie in einigen Testfällen hohe Digitalisierungsfehler fest. Außerdem hatten MEG-Benutzer anekdotisch von höheren Digitalisierungsfehlern berichtet, wenn die Kabel um einen Stahlbetonboden herumgewickelt oder darüber verlegt wurden. Da die Fastrak- und Aurora-Kabel physikalisch unterschiedlich sind, ist zu erwarten, dass sich auch die Auswirkungen des physischen Kontakts zwischen den Kabeln unterscheiden. Daher haben wir unsere Untersuchung erweitert, um festzustellen, wie effektiv die Kabelkonstruktionen (Abschirmung und Innenarchitektur) solche Störungen ausgleichen. Wir haben Bedingungen geschaffen, denen Benutzer bei der Handhabung der Kabel während der Digitalisierung häufig ausgesetzt sind, wie z. B. Sender-Empfänger-Kabelkontakte, Kabel, die den Boden berühren, und umwickelte (zusammengedrehte) Kabel. Die Daten des 3D-Testrahmens wurden unter diesen Bedingungen mit allen drei Systemen erfasst, indem der Rahmen 15 cm vom Sender entfernt unbeweglich platziert wurde.

Ein magnetisches Objekt in der Nähe kann das Senderfeld stören und die Digitalisierungsgenauigkeit verringern. Um solche Effekte zu bewerten, wurde das Senderfeld im Zuge der Digitalisierung durch externe EM-Felder unterschiedlicher Stärke gestört. Der 3D-Testrahmen wurde 15 cm vom Sender entfernt digitalisiert, während verschiedene Objekte vorhanden waren: ein winziges Objekt wie eine kleine Kupferplatte oder -schleife; ein sehr großes Objekt wie eine 18 × 25 cm2 große Kupferplatte oder ein Mobiltelefon; oder eine vorherrschende infrastrukturelle Quelle potenzieller Artefakte wie ein Metallschrank oder eine stahlverstärkte Betonwand. Die ersten vier Objekte waren 15, 25, 35 und 50 cm voneinander entfernt, während die beiden letzteren 25, 50, 75 und 125 cm voneinander entfernt waren. Um die Wirkung medizinischer Implantate zu untersuchen, wurde das Modell, das ein DBS-Implantat nachbildet, wie in Abb. 4E dargestellt, 15 und 35 cm vom Sender entfernt digitalisiert, während das DBS in verschiedenen Therapieeinstellungen betrieben wurde.

Da sich das MEG-Sensorarray (Sondeneinheit) normalerweise in einem magnetisch abgeschirmten Raum (MSR) befindet und die Digitalisierung außerhalb des MSR durchgeführt wird, wird nicht davon ausgegangen, dass das EMT-Senderfeld die MEG-Aufzeichnungen stört. In einer kompakten Laboranordnung kann sich der Sender jedoch nahe an der MSR-Wand befinden und sein Restfeld im Inneren könnte nicht vernachlässigbar sein. Daher ist es wichtig zu bestimmen, ob ein aktiver Sender ein Artefakt in einer laufenden MEG-Aufzeichnung erzeugen kann. Um einen solchen Effekt zu untersuchen, haben wir MEG mit einem 306-Kanal-TRIUX™-System aufgezeichnet, das in einem leichten MSR (TRIUX™; MEGIN Oy, Espoo, Finnland) untergebracht war, während wir an fünf verschiedenen Positionen einen aktiven Sender um den MSR herum hatten. Für jedes der drei Systeme wurde ein Sender (i) bei geschlossener MSR-Tür ca. 30 cm außerhalb der MSR-Wand ruhig gehalten, (ii) bei geschlossener MSR-Tür nach draußen in der Nähe der Projektoröffnung geschwenkt, (iii) still gehalten innerhalb des MSR ~ 200 cm von den MEG-Sensoren entfernt, wenn die MSR-Tür geschlossen ist, (iv) draußen in der Nähe der MSR-Tür gehalten, wenn die MSR-Tür geschlossen ist, und (v) draußen in der Nähe der MSR-Tür gehalten wird, wenn die MSR-Tür leicht geöffnet ist (Abb . S3A). Für jedes der drei Systeme wurden für diese fünf Positionen des Senders 2-minütige kontinuierliche MEG-Daten (in Abwesenheit eines Probanden) aufgezeichnet. Darüber hinaus wurden für jedes System auch 2-minütige Referenzdaten aufgezeichnet, ohne dass ein aktiver Sender um den MSR herum vorhanden war. Die Datensätze wurden mit einer Abtastrate von 1 kHz und ohne Verwendung einer internen aktiven Abschirmung41 aufgezeichnet.

Um schließlich die Auswirkung der Digitalisierung mit jedem der drei Systeme auf die Quellenlokalisierung zu bewerten, haben wir MEG von einem Phantom aus aufgezeichnet, indem wir nacheinander acht Stromdipole mit einer Spitzenamplitude von 1000 nAm aktiviert haben. Zunächst wurde das gleiche Phantom von jedem EMT-System digitalisiert, indem es 15, 25 und 35 cm vom Sender entfernt positioniert wurde. Anschließend ersetzten wir die Digitalisierungsinformationen aus der Phantom-MEG-Datei durch die Digitalisierungsdaten in drei Entfernungen für jedes der drei Systeme. So erhielten wir für jedes System drei Sätze von Phantom-MEG-Daten, einschließlich der bei 15, 25 und 35 cm digitalisierten Referenz- und HPI-Standorte.

Für alle drei Systeme wurden die Positionsverfolgungsschwankung, die Digitalisierungsgenauigkeit und die Auswirkung mehrerer Rauschquellen auf die Digitalisierung bewertet. Die Mittel- und Quartilwerte (Q1, Q2, Q3) wurden berechnet und die Ergebnisse als überlappende Box-Violine-Diagramme visualisiert. Die Breite eines Geigendiagramms auf der Y-Achse ist proportional zur Datenverteilung an diesem Punkt. Für jedes Diagramm wurden der Mittelwert, der IQR (Interquartilbereich Q3–Q1), der Ausreißerprozentsatz und der Extremwertprozentsatz berechnet. Die Schwellenwerte für Ausreißer und Extreme wurden mit 1,5 × Q3 bzw. 3,0 × Q3 bestimmt. Wir haben auch statistische Tests durchgeführt, um Unterschiede zwischen den Ergebnissen der drei Systeme festzustellen.

Für jedes der drei Systeme wurde die Positionsverfolgungsschwankung im globalen Koordinatensystem (bezogen auf den Senderursprung) für jede Sender-Empfänger-Entfernung berechnet. Die mittlere Positionsverfolgungsschwankung \({mPTF}_{d}\) wurde als Differenz zwischen aufeinanderfolgenden Punkten berechnet:

wobei (\({x}_{k}\), \({y}_{k}\), \({z}_{k}\)) die kartesische Koordinate des k-ten Punktes ist, \(n \) ist die Gesamtzahl der Trackingpunkte und der Index \(d\) steht für die Sender-Empfänger-Entfernung.

Sowohl das Fastrak- als auch das Aurora-System liefern Positions- und Orientierungsinformationen für jeden angeschlossenen Empfänger, bei der MEG- und EEG-Digitalisierung werden jedoch nur Positionsdaten verwendet. Der Fehler bei der Digitalisierung eines beliebigen Punktes wurde als euklidischer Abstand zwischen dem tatsächlichen Standort (\({x}_{act}\), \({y}_{act}\), \({z}_{act} \)) des Punktes und der vom Digitalisierer geschätzten Position (\({x}_{est}\), \({y}_{est}\), \({z}_{est}\)) , im gleichen Koordinatensystem. Ein genauer Digitalisierer sollte einen minimalen Digitalisierungsfehler liefern, und für MEG oder EEG sollte dieser im Submillimeterbereich liegen. Der mittlere Digitalisierungsfehler \({mE}_{d}\) für den Sender-Empfänger-Abstand wurde wie folgt berechnet

wobei der Index \(d\) den Sender-Empfänger-Abstand darstellt, (\({x}_{act}\), \({y}_{act}\), \({z}_{act}\ )) ist die kartesische Koordinate des k-ten Punkts und \(n\) ist die Gesamtzahl der Trackingpunkte. Um die Digitalisierungsgenauigkeit des Systems zu bewerten, haben wir den Digitalisierungsfehler für die Punkte mit genau bekannten Positionen auf den genau definierten starren Rahmen – dem sphärischen MEG-Phantom und dem 3D-Testrahmen – gemessen. Da die stumpfe Spitze des Aurora-Stifts nicht das äußerste Ende der schmalen Punkte auf dem 3D-Testrahmen erreichen konnte, wurden seine Messungen durch Subtrahieren der Punkttiefe (2 mm) von ihren Normalrichtungen kompensiert.

Wir haben ideale Stromdipole an die Phantomdaten angepasst, um zu untersuchen, wie sich der Sender-Empfänger-Abstand durch unvollständige Koregistrierung auf die Quellenrekonstruktion auswirkt. Mithilfe der Source Modeling Software (MEGIN Oy, Espoo, Finnland) haben wir alle acht aktuellen Dipole aus den drei Sätzen von Phantom-MEG-Daten lokalisiert, wobei die Digitalisierung durch das Fastrak TX2-System bei Sender-Empfänger-Abständen von 15, 25 und 35 cm durchgeführt wurde. Wir wiederholten die gleiche Dipollokalisierung auf den MEG-Daten mit Digitalisierungspunkten, die mit den Systemen Fastrak TX1 und Aurora erfasst wurden. Darüber hinaus berechneten wir für jeden Fall die Dipol-Lokalisierungsfehler in Bezug auf die tatsächlichen Standorte und verglichen die Verteilung mit einem Kontrollsatz von Lokalisierungsfehlern, der durch die Ermittlung des Mittelwerts der Lokalisierungsfehler über die zehn vorherigen routinemäßigen Phantomtests ermittelt und mit digitalisiert wurde Fastrak TX2 in ca. 15 cm Entfernung vom Sender. Wir verglichen auch die Lokalisierungsfehler der mit Aurora und Fastrak TX1 aufgezeichneten Daten mit denen mit Fastrak TX2 in der entsprechenden Entfernung vom Sender. Für den statistischen Vergleich haben wir die zweiseitigen t-Tests von Welch verwendet.

Wir haben die Ergebnisse der Positionsverfolgungsschwankung, der Digitalisierungsgenauigkeit und der Quellenanalyse für die drei Digitalisierungssysteme als Box-Violine-Diagramme gesammelt. Die unter jedem Diagramm angehängte Tabelle zeigt die Statistiken, wobei in der ersten Zeile die Datenkategorie und in der zweiten Zeile jeweils der Mittelwert, der IQR, der Ausreißerprozentsatz und der Extremwertprozentsatz angezeigt werden. Je kleiner der IQR-Wert ist, desto geringer ist die Schwankung und desto besser ist die Leistung. Die schwarzen und roten Markierungen (Kreis) in den Geigendiagrammen stellen die Ausreißer- bzw. Extremwerte dar. Bei allen Violin- und Streudiagrammen repräsentieren die Farben Mint, Lavendel und Koralle die Ergebnisse der Systeme Fastrak TX2, Aurora und Fastrak TX1.

Abbildung 5A zeigt die nativen Tracking-Schwankungen der EMT-Systeme, die mit der Entfernung zwischen Sender und Empfänger zunehmen. Das Fastrak TX2-System zeigt Tracking-Schwankungen unter 0,5 mm, wenn die Empfänger innerhalb einer 40-cm-Reichweite im VoM bleiben. Aurora bietet jedoch einen erweiterten Bereich mit Positionsverfolgungsschwankungen unter 0,5 mm. Andererseits zeigt der Fastrak TX1 eine höhere Spurschwankung jenseits von 20 cm vom Feldursprung. Die Werte von Fastrak TX1 wurden auf einer separaten Y-Skala dargestellt, um die Verteilung besser zu visualisieren und die Interpretation zu erleichtern. Im Aurora-Fehlerindexdiagramm zeigen die mit zunehmender Entfernung zunehmenden Werte, dass es zum effektiven Herausfiltern von Tracking-Daten mit geringer Wiedergabetreue geeignet ist. Wir fanden heraus, dass nur sechs der siebzehn Objekte eine mittlere Schwankung von mehr als 0,2 mm aufwiesen, wenn der Stift bei 15 cm gehalten wurde und Gegenstände des täglichen Gebrauchs in einem bestimmten Abstand zum Sender gehalten wurden; Einzelheiten siehe Abb. S4. Abbildung 5B zeigt die Ergebnisse für diejenigen, die in mindestens einer der fünf Entfernungen eine mittlere Schwankung von mehr als 0,2 mm aufweisen. Die Diagramme zeigen eine Zunahme der Tracking-Schwankung, wenn die Rauschquelle näher am Sender gehalten wird. Die mittlere Schwankung der getesteten Objekte würde bei allen drei Systemen innerhalb von 0,1 mm bleiben, wenn die Objekte weiter als 35 cm vom Sender entfernt gehalten würden. Wenn ein magnetisches Objekt näher am Sender platziert wird, wird das Feld stärker gestört, was die Fluktuation verstärkt. Fastrak TX2 scheint recht rauschunempfindlich zu sein und zeigt die Tracking-Schwankung unter 0,1 mm, bis ein Objekt mit einem starken Magnetfeld, etwa eine große Metallplatte oder ein Mobiltelefon, in die 25-cm-Reichweite des Senders TX2 gebracht wird. Bis eine starke Störquelle, wie etwa ein Mobiltelefon oder eine große Metallplatte, im Umkreis von 20 cm um den Sender gehalten wurde, behielt das Aurora-System seine geringe Tracking-Schwankung bei (< 1 mm). Die größte Auswirkung scheint die Störung auf das Fastrak TX1-System zu haben.

Positionsverfolgungsschwankungen der drei Systeme (A) native Schwankungen werden in den ersten drei Unterdiagrammen gezeigt, und das vierte Unterdiagramm zeigt den vom Aurora-System bereitgestellten Fehlerindex, (B) mittlere Schwankungen, wenn sich eine Störquelle in verschiedenen Entfernungen vom Aurora-System befand Sender.

Die Auswirkungen des Sender-Empfänger-Abstands und der Kopfbewegung des Probanden auf die Digitalisierung wurden im Hinblick auf Digitalisierungsfehler untersucht. Ein höherer Fehler weist auf eine geringere Digitalisierungsgenauigkeit hin. Der Digitalisierungsfehler für einen Punkt wurde als euklidischer Abstand zwischen seiner tatsächlichen (oder Referenz-) und geschätzten Position im MEGIN-Kopfkoordinatensystem geschätzt. Abbildung 6A,B zeigt die Digitalisierungsfehlerverteilung für den starren 3D-Testrahmen und das markierte Styroporkopfmodell. Beachten Sie, dass ein Punkt (2,9 Prozent des Gesamtwerts) im Hinterkopfbereich des Kopfmodells in einer solchen Position war, dass die Rückenlehne des Stuhls Schwierigkeiten bei der Digitalisierung verursachte, was zu einem extremen Fehler bei allen Tests führte (Abb. 6B). Insgesamt zeigen die Ergebnisse einen positiven Zusammenhang zwischen Digitalisierungsfehler und Sender-Empfänger-Abstand sowie der Bewegung des Testmodells (Kopf). Auch die Digitalisierungsfehlerverteilung für die 32-Kanal-EEG-Kappe zeigte ein ähnliches Muster (Abb. S5).

Digitalisierungsfehler für das (A) 3D-Testrahmen- und (B) Styropor-Kopfmodell mit 35 markierten „Kopfhaut“-Punkten, wenn die Modelle während der Digitalisierung entweder still gehalten oder bewegt wurden und wenn der Abstand zwischen Sender und Stift zwischen 15 und 45 cm variiert wurde .

Die Mittel- und IQR-Werte aller drei Systeme zeigten eine zuverlässige Digitalisierung, wenn die Testmodelle ruhig gehalten wurden, wobei der aktuelle Digitalisierer Fastrak TX2 etwas besser abschnitt und der mittlere Digitalisierungsfehler innerhalb von 40 cm unter 1 mm blieb. Dieser „sichere“ Bereich verringerte sich auf weniger als 35 cm, wenn sich das Testmodell während der Digitalisierung bewegte. Bitte beachten Sie, dass der 3D-Testrahmen mit neun starren und genau definierten Punktorten einen idealen Testfall für die Digitalisierung darstellt. Im Gegensatz dazu weist das Styropor-Kopfmodell eine gewisse hautähnliche Weichheit auf, sodass es eine praktischere Situation für die Kopfdigitalisierung mit etwas höheren Digitalisierungsfehlern beschreibt30. Die anderen beiden Systeme, Aurora und Fastrak TX1, zeigten einen geringfügig höheren Digitalisierungsfehler und IQR als das Fastrak TX2, wenn der Sender-Empfänger-Abstand mehr als 35 cm beträgt. Dieser Effekt war darauf zurückzuführen, dass sich die Empfänger dem Rand des VoM näherten. Durch die Verwendung von Tracking-Samples mit höheren Fehlerindizes könnte der Digitalisierungsfehler im Aurora-System reduziert werden, um dessen Genauigkeit zu verbessern. Außerdem konnte der 2 mm dicke Stift von Aurora im Gegensatz zum Fastrak-Stift keine gute Antastauflösung für das glatte Styropormodell liefern. Darüber hinaus variierten die Mittel- und IQR-Werte für die fünf identisch digitalisierten Fälle in Abb. 6A (immer noch bei 15, 25 und 35 cm und in Bewegung bei 15 und 25 cm) um weniger als 0,5 mm, was auf ein hohes Maß an Reproduzierbarkeit der Digitalisierung hinweist (oder Wiederholbarkeit), wenn innerhalb von 35 cm vom Feldursprung digitalisiert wird.

Abbildung 7A zeigt die Fehlerverteilung für die Digitalisierung des 3D-Testrahmens in 15 cm Entfernung vom Sender, wenn das Senderkabel Kontakt mit einem Empfängerkabel oder einem Stahlbetonboden hatte. Der mittlere Digitalisierungsfehler für alle Systeme blieb unter allen Bedingungen unter 1 mm; Allerdings sind der maximale Fehler und das IQR manchmal höher als die Referenz-/Kontrollbedingung (in Abb. 6A, wenn der Rahmen bei 15 cm stillgehalten wird). Obwohl es keinen nennenswerten systematischen Fehler gibt, zeigen die höheren IQRs eine erhöhte Variabilität oder verringerte Stabilität bei der Positionsschätzung, möglicherweise aufgrund erhöhter Schwankungen bei der Positionsverfolgung.

Digitalisierungsfehler bei Verwendung des 3D-Testrahmens mit (A) Sender- (Tc), Stift- (Sc) oder Referenzempfängerkabeln (Rc) in verschiedenen Positionen; und mit (B) störenden Objekten in unterschiedlichen Entfernungen vom Sender; Die Markierungsgröße kodiert den Abstand zwischen Sender und Objekt.

Abbildung 7B fasst die Auswirkung von Interferenzen auf die Digitalisierungsgenauigkeit zusammen, wenn der 3D-Testrahmen 15 cm vom Sender entfernt in Gegenwart eines magnetischen Objekts in bekannter Entfernung digitalisiert wurde; siehe Abb. S6 für detaillierte Geigendiagramme. Wir beobachteten, dass der mittlere Digitalisierungsfehler bei Vorhandensein kleiner magnetischer Objekte unter 1 mm blieb, was auf eine minimale Störung des EM-Feldes und damit der Positionsschätzung hinweist. Fastrak TX2 zeigte vergleichsweise geringere Digitalisierungsfehler, abgesehen von einem Ausreißer oder Extrem in einigen wenigen Fällen. Allerdings führten Objekte mit großen magnetischen Störungen, wie etwa eine große Metallplatte oder ein Mobiltelefon, selbst im Abstand von 50 cm zu einem auffällig hohen Digitalisierungsfehler. In solchen Situationen zeigte Fastrak TX2 einen hohen Digitalisierungsfehler an. Dies könnte darauf zurückzuführen sein, dass solche Objekte dem starken elektromagnetischen Wechselfeld von TX2 ausgesetzt waren, das einen hohen Wirbelstrom erzeugte, der eine starke Feldverzerrung verursachte35. Andererseits waren Aurora und Fastrak TX1 aufgrund ihres geringeren VoM weniger wahrscheinlich betroffen, es sei denn, eine signifikante Störquelle befand sich sehr nahe am Sender. Beim Clustering kontinuierlicher Tracking-Daten eliminierte das Digitalisierungsprogramm des Aurora-Systems „schlechte“ Tracking-Samples, da es Clustering mit einer räumlichen Grenze von 2 mm verwendete. Allerdings lehnten Fastrak TX2 und TX1 keine Daten für die Digitalisierung aufgrund räumlicher Schwellenwerte ab. Obwohl TX1 einen kleineren VoM aufweist, zeigt Aurora daher einen niedrigeren Mittelwert und IQR für den Digitalisierungsfehler an. Beim Testen der Digitalisierung mit nahe gelegenen Infrastrukturquellen potenzieller Artefakte, wie z. B. stahlverstärkten Betonwänden und einem großen Metallschrank, stellten wir einen starken Anstieg des Digitalisierungsfehlers fest, wenn sich die Störquellen in der Nähe (< 50 cm) des Senders befanden. Fastrak TX2 zeigte aufgrund seines starken und erweiterten VoM einen mittleren Digitalisierungsfehler von > 1 mm, selbst wenn sich eine solche Rauschquelle innerhalb von 125 cm befindet.

Die Auswirkung eines implantierten DBS auf die Digitalisierung ist in Abb. S7 dargestellt. Aufgrund der Nichtverfügbarkeit des TX1-Senders während der DBS-Tests konnten wir nur Messungen mit den Systemen Fastrak TX2 und Aurora durchführen. Die Digitalisierungsfehlerverteilung für beide Systeme zeigte, dass der mittlere Fehler für alle Betriebsarten innerhalb von 1 mm blieb, wenn der Testrahmen 15 cm vom Sender entfernt war. Bei einer Vergrößerung des Abstands von 15 auf 35 cm stieg der mittlere Fehler für Fastrak TX2 jedoch leicht an, blieb jedoch mit einigen Ausreißern innerhalb von 1,5 mm. Der Fehler für das Aurora-System war mit 35 cm etwas höher. Insgesamt scheint der zunehmende Digitalisierungsfehler eher auf die Entfernung als auf die Präsenz des DBS zurückzuführen zu sein.

Die spektrale Leistungsdichte (PSD) der MEG-Daten wurde für die drei Sender berechnet und mit der PSD der Referenzdaten verglichen. Die Daten wurden mit der Signal Space Separation-Methode (SSS)42 unter Verwendung der MaxFilter™-Software (MEGIN Oy, Espoo, Finnland) vorverarbeitet. Wir haben beim Vergleich der PSDs keine Auffälligkeiten in den MEG-Daten festgestellt, bis der Sender absichtlich innerhalb der MSR-Tür oder bei geöffneter Tür direkt außerhalb der MSR-Tür gehalten wurde. Detaillierte Ergebnisse sind in Abb. S3B dargestellt.

Abbildung 8A zeigt die Verteilung der Quellenlokalisierungsfehler für die acht Dipole, bei denen die Digitalisierung mit einem der drei EMT-Systeme in bestimmten Abständen von ihrem Sender durchgeführt wurde. Die Fehlerverteilungen wurden mit der Kontrolle verglichen, die durch Mittelwertbildung über zehn routinemäßige Phantomtests berechnet wurde. Im Vergleich zum Kontrollsatz der Fehlerverteilung beobachteten wir signifikante Unterschiede (p < 0,05) für Aurora und Fastrak TX1 bei 35 cm. Beim Vergleich dieser beiden Systeme mit den Fastrak TX2-Fehlern bei jedem der drei Entfernungen zeigten sie ebenfalls signifikante Unterschiede (p < 0,05). Wir beobachteten auch einen unbedeutenden Unterschied zwischen Aurora bei 25 cm und der Kontrolle (p = 0,056). Abbildung 8B visualisiert den Unterschied in der geschätzten Position und Ausrichtung für vier der acht Dipole, die dem CT-Bild des Phantoms überlagert sind. Die p-Werte zeigen, dass sich die Dipolanpassung bis zur Digitalisierung über 25 cm hinaus nicht wesentlich von den Kontrollmessungen unterschied und die Lokalisierungsfehler innerhalb von 3 mm blieben, was durchaus akzeptabel ist. Die Verteilung zeigt, dass der Quellenlokalisierungsfehler mit zunehmendem Sender-Empfänger-Abstand während der Digitalisierung zunimmt.

(A) Lokalisierungsfehler für die acht Dipole, (B) die geschätzte Position und Ausrichtung von vier der acht Dipole, als die Digitalisierung mit den drei verschiedenen Systemen durchgeführt wurde. Die drei magentafarbenen Dreiecke stellen die Position der HPI-Spulen in vorderer (A), oberflächlicher (H: Kopf) und hinterer (P) Richtung dar.

Die Studie untersuchte mehrere Leistungsmerkmale der drei EMT-Systeme für die Digitalisierung unter verschiedenen realen Bedingungen. Es wurde festgestellt, dass die Tracking-Schwankung mit zunehmenden Sender-Empfänger-Abständen zunimmt. Die native Tracking-Schwankung des Aurora-Systems erwies sich als geringer als die der Fastrak®-Systeme, was auf eine höhere Stabilität bei der Positionsverfolgung hinweist. Alle drei Systeme zeigten eine mittlere Schwankung von weniger als 0,5 mm, es sei denn, es kam zu einer starken Störung des Senderfeldes oder der Sender-Empfänger-Abstand wurde auf mehr als 40 cm erhöht. Das Fastrak TX2-System erwies sich aufgrund des vom TX2-Sender erzeugten starken Felds als äußerst tolerant gegenüber den Auswirkungen der im VoM platzierten magnetischen Objekte. Die Systeme Aurora und Fastrak TX1 zeigten auch eine gute Tracking-Stabilität und Robustheit gegenüber den Rauschquellen, es sei denn, die Messung wurde mehr als 40 cm vom Sender entfernt durchgeführt oder eine starke EM-Verzerrung war näher als 25 cm vorhanden. Das Fastrak TX1-System zeigte manchmal eine sogar höhere Toleranz gegenüber nahegelegenen Lärmquellen, möglicherweise aufgrund seines kürzeren Feldes (VoM).

Wir haben festgestellt, dass keines der drei Systeme Artefakte zu einer laufenden MEG-Aufzeichnung hinzufügte, bis ein in Betrieb befindlicher Sender absichtlich im MSR gehalten oder sehr nahe an der offenen MSR-Tür verwendet wurde. Wir empfehlen jedoch, einen Abstand von mindestens einem Meter vom MSR zum Sender und Empfänger einzuhalten, um Störungen bei der Digitalisierung zu vermeiden. Wir haben keinen systematischen Anstieg von Digitalisierungsfehlern festgestellt, der darauf zurückzuführen ist, dass die Sender- oder Empfängerkabel auf dem Boden lagen, noch aufgrund von physischem Kontakt oder Verdrehen der Kabel; Allerdings waren der maximale Fehler und der IQR manchmal höher als die Kontrollbedingung. Daher wird empfohlen, solche Kontakte zu vermeiden oder die Kabel auf stahlverstärkten Böden oder großen Metallkonstruktionen zu verlegen.

Generell haben wir beobachtet, dass die Digitalisierungsgenauigkeit mit zunehmender Entfernung zwischen Sender und Empfänger abnimmt. Daher ist es wichtig, die Digitalisierung so nah wie möglich am Sender durchzuführen. Im Falle eines Standbild-/Kopfmodells bleibt der Digitalisierungsfehler geringer als der der Bewegungsbedingungen bei den entsprechenden Entfernungen. Da das Senderfeld bei einer Entfernung von ~ 40 cm um mehr als das Zehnfache abnimmt, sinkt auch die Digitalisierungsgenauigkeit und es kann zu einer unzuverlässigen Digitalisierung kommen. Da bei der Digitalisierung ein Referenzempfänger am Kopf angebracht wird, sind dessen Positionsschätzung und Bewegungskompensation auch bei großer Entfernung vom Sender beeinträchtigt. Daher verringert der zunehmende Sender-Empfänger-Abstand die Genauigkeit bei der Digitalisierung eines beweglichen Kopfes auf zwei Arten. Aufgrund des geringeren VoM sinkt die Genauigkeit der Systeme Aurora und Fastrak TX1 nach ~ 40 cm plötzlich. Der IQR bei der Standbilddigitalisierung war niedriger als bei den entsprechenden bewegten Fällen und zeigte nach ~ 40 cm einen plötzlichen Anstieg. Daher sollte der Experimentator beim Digitalisieren eines nicht kooperierenden Probanden, beispielsweise im Fall eines pädiatrischen MEG/EEG, sicherstellen, dass der Kopf des Probanden näher als etwa 35 cm am Sender bleibt.

Alle drei Systeme tolerieren moderate Störquellen im Senderfeld. Bei starken Quellen wie einer großen Kupferplatte innerhalb des VoM kann das stärkere und ausgedehntere Feld des Fastrak TX2-Systems die Digitalisierungsgenauigkeit beeinträchtigen und beeinträchtigen. Die anderen beiden Systeme profitieren von dem kompakteren Feld, allerdings steigt der Digitalisierungsfehler stark an, wenn die Störquelle zu nah am Sender ist. Daher zeigten Aurora- und Fastrak TX1-Systeme bei den Rauschtoleranztests teilweise vergleichsweise geringere Digitalisierungsfehler. In solchen Fällen profitiert der Aurora auch von seiner Fehlerindexierungsfunktion, aber wenn eine starke Interferenz nahe beieinander liegt, erhöht sich die Anzahl der Punkte mit einem höheren Fehlerindex. Einige dieser fehlerhaften Punkte fließen aufgrund des aktuellen Ansatzes der Clustering-basierten Digitalisierung in die Digitalisierung ein und können von der tatsächlichen Lage abweichen. Insgesamt schnitt Fastrak TX2 mit einem Digitalisierungsfehler von weniger als 2 mm besser ab, es sei denn, eine starke Rauschquelle war weniger als 50 cm vom Sender entfernt. Alle drei Systeme erwiesen sich als recht robust gegenüber großen baubedingten Umgebungsgeräuschquellen wie stahlverstärkten Wänden und Metallschränken, sofern sie mindestens 100 cm entfernt waren. Daher sollten Benutzer bei der Verwendung von Fastrak TX2 einen Sicherheitsabstand von ~ 120 cm zu solchen störenden Strukturen einhalten. Schließlich haben wir keine wesentlichen Auswirkungen eines laufenden DBS auf die Digitalisierungsgenauigkeit beobachtet.

Die Quellenlokalisierung der Phantomdipole zeigte, dass die Verwendung der drei Digitalisierer zu einem kleinen Unterschied in der Lokalisierung der Dipole führte. Die Digitalisierung mit Fastrak TX2 ergab bei allen Testabständen einen Lokalisierungsfehler von unter 2 mm, was darauf hindeutet, dass das Fastrak TX2-System ausreichend genau und robust für die Digitalisierung in MEG/EEG-Anwendungen ist. Der Fehler blieb bei der Digitalisierung mit Aurora- oder Fastrak TX1-Systemen innerhalb eines 30-cm-Bereichs ebenfalls < 2 mm, erhöhte sich jedoch auf 3 mm, wenn bei 35 cm digitalisiert wurde. Insgesamt blieb der Lokalisierungsfehler unter 5 mm, was in den meisten MEG/EEG-Studien noch akzeptabel sein dürfte. Somit kommen auch Aurora und Fastrak TX1 als potenzielle Digitalisierer mit einem eingeschränkten VoM-Radius von unter 40 cm für eine zuverlässige Digitalisierung in Betracht. Der Fastrak TX2 erwies sich als der genaueste; Allerdings ist das VoM mit einem Radius von 150 cm groß, und es kann schwierig sein, einen so großen Bereich an einem kompakten MEG-Standort frei von magnetischen oder leitenden Objekten zu bekommen. Der TX1-Sender hingegen bietet ein viel kleineres VoM. Im Aurora-System stellt der 20–20 PFG ein nutzbares planares Magnetfeld bis zu etwa 55 cm vom Sender entfernt bereit, was für die Digitalisierung der meisten menschlichen Teilnehmer ausreichend groß ist. Eine etwa 20-prozentige Steigerung des VoM würde den Benutzern jedoch helfen, alle Altersgruppen menschlicher Probanden abzudecken, indem der Sender an einer Position (hinter dem Digitalisierungsstuhl) befestigt wird. Ein ideales VoM für die MEG/EEG-Digitalisierung sollte groß genug sein, um den gesamten Kopf aller menschlichen Probanden abzudecken, aber nicht zu groß, um die magnetischen Objekte in der Nähe zu stören. Für die MEG/EEG-Digitalisierung wäre ein VoM von 70–80 cm vom Ursprung des Senders geeignet, der gleichmäßig auf den Kopf des Patienten/Probanden gerichtet ist. Alternativ würde eine einstellbare Senderplatzierung das System effizienter machen, um einen größeren Bereich an Patientengrößen abzudecken.

Die Ergebnisse der Verfolgung von Schwankungen, der Digitalisierungsgenauigkeit, der Reproduzierbarkeit und anderer Tests zeigten, dass das Aurora EMT-System auch als Digitalisierer für MEG- und EEG-Anwendungen verwendet werden kann und dass die Echtzeit-Fehlerindizes verwendet werden können, um fehlerhafte Proben zu verwerfen und zu verbessern die Digitalisierungstreue. Allerdings wären einige Modifikationen erforderlich, um das Aurora-System in einen gebrauchsfertigen Digitalisierer für MEG/EEG-Anwendungen zu verwandeln; Beispielsweise sind ein schalterfähiger Stift und eine benutzerfreundliche Digitalisierungssoftware erforderlich, um die angepasste Clustering-Methode zu vermeiden. Die Spitze des Aurora-Stifts sollte außerdem dünner sein als die aktuelle, um die Abtastauflösung zu verbessern. Zusätzlich zur Nutzung der Fehlerindexfunktion würde ein Echtzeit-Sprachalarmierungssystem den Benutzern auch dabei helfen, den VoM einzuschränken und fehlerhafte Digitalisierungen zu vermeiden.

In der Studie zeigte der Fluktuationstest mit einer Bluetooth-Maus, dass alle drei Systeme robust gegenüber den möglichen Geräuschen sind, die ein Bluetooth-Gerät verursacht, wenn es mindestens 25 cm vom Sender entfernt ist. Daher kann ein kabelloser Stift entweder in die Aurora- oder Fastrak-Systeme integriert werden, um lange Stiftkabel zu vermeiden und die Benutzerfreundlichkeit der Systeme zu verbessern. Insbesondere sollte ein zusätzlicher Fußschalter anstelle des Stiftschalters in die Systeme integriert werden, um mögliche Verwacklungen beim Digitalisieren, insbesondere bei den Referenzpunkten, zu vermeiden.

Da die Studie eine große Anzahl von Auswertungen umfasst, war es aufgrund der Nichtverfügbarkeit der Grundwahrheit (genau bekannte stabile Punkte) nicht möglich, alle Fälle mit einem menschlichen Probanden zu testen. Obwohl die meisten Ergebnisse auf starren Objekten basieren, wurden in der Studie viele praktische Situationen der MEG- und EEG-Digitalisierung gründlich evaluiert, sodass die Ergebnisse auf die Digitalisierung menschlicher Subjekte übertragbar sind. Allerdings können sich auch Faktoren wie das Zittern der Hand des Bedieners, die Ausrichtung des Stifts und der Zeitpunkt des Drückens der Stifttaste auf die Genauigkeit auswirken, und beim Digitalisieren eines menschlichen Motivs ist besondere Sorgfalt erforderlich. Weichheit der Haut und Kopfbewegungen, insbesondere bei pädiatrischen Probanden, können die Digitalisierungsgenauigkeit beeinträchtigen. Zum Vergleich des Aurora-Systems haben wir alle Testfälle ähnlich den Fastrak-Messungen repliziert. Einige Unterschiede, wie der lange, stumpfe Stift ohne Schalter und die Konvertierung der Spurführung in die Digitalisierung aufgrund fehlender Digitalisierungssoftware, könnten jedoch zu zusätzlichen Fehlern geführt haben. Daher kann der Vergleich verbessert werden, indem ein kleinerer, schalterfähiger Stift mit dünnerem Rand und eine Digitalisierungssoftware verwendet wird, die den Fehlerindex verwendet. Obwohl optische Scanner immer häufiger eingesetzt werden, insbesondere für High-Density-EEG-Systeme und OPM-basierte (optisch gepumpte Magnetometer) MEG-Systeme, sind sie mit einem Sichtlinienproblem anstelle von EM-Interferenzen konfrontiert, weshalb auch solche Systeme evaluiert werden sollten die Zukunft, das optimale Digitalisierungssystem zu finden.

Den Ergebnissen zufolge werden für die MEG/EEG-Digitalisierung mit einem EMT-basierten Digitalisierer, insbesondere Fastrak mit TX2-Sender, folgende Empfehlungen ausgesprochen, um Verzerrungen zu minimieren und die Digitalisierungsgenauigkeit zu optimieren:

Der optimale Aufbau für die MEG/EEG-Digitalisierung mit einem Fastrak TX2-System sollte ähnlich wie in Abb. 9 erfolgen. Objekte mit erheblichen magnetischen Eigenschaften sollten innerhalb des 120-cm-Bereichs (rot gepunkteter Bereich) vermieden werden. Für eine optimale Digitalisierung sollte der Kopf im 40-cm-Bereich bleiben (grün gepunkteter Bereich).

Der Sender sollte mindestens 80 cm von verstärkten Böden, Dächern und Wänden entfernt sein, um mögliche Störungen aufgrund der verborgenen Metallstützstrukturen zu minimieren.

Der Abstand zwischen Sender und Digitalisierungspunkt am Kopf sollte weniger als 45 cm betragen. Bei einem Probanden mit potenziellen Kopfbewegungen, wie z. B. einem Kind, sollte der Experimentator sicherstellen, dass der Kopf des Probanden nahe am Sender bleibt (< 35 cm), möglicherweise durch eine nichtmagnetische Kopfstütze.

Die Kopfbewegung sollte langsam und minimal (< 2 cm) sein, um die Digitalisierungsgenauigkeit zu verbessern.

Der kopfgebundene Referenzempfänger sollte sich während des Digitalisierungsvorgangs nicht mehr als 1 mm gegenüber dem Kopf bewegen (verschieben).

Bei den Fastrak-Systemen sollte das Senderkabel nach unten aus dem Sendermodul austreten. Physischer Kontakt zwischen den Empfänger- und Senderkabeln sollte vermieden werden.

Die Verarbeitungseinheit (SEU) sollte mehr als 120 cm vom Sender entfernt sein.

Das Untersuchungsobjekt sollte vor der Digitalisierung gründlich auf metallische Gegenstände, Telefone, Haarspangen usw. überprüft werden, um eine Verzerrung des Senderfelds zu vermeiden.

Beim Digitalisieren eines Punktes sollte der Stift senkrecht zur Oberfläche gehalten werden. Um ein Wackeln des Stifts zu vermeiden, sollte beim Digitalisieren der Referenzpunkte ein externer Schalter, beispielsweise ein Fußschalter, verwendet werden.

Referenzpunkte sollten eindeutig definiert und angegeben werden. Obwohl der Punkt, an dem der Helical Crus den Targus berührt, normalerweise als LPA/RPA betrachtet wird, verwenden einige Bediener in ihren Experimenten die Mitte des Tragus oder die Intertragalkerbe als diese beiden Bezugspunkte. Um Fehler bei der Co-Registrierung zu vermeiden, sollten die Treuhandorte explizit angegeben werden, insbesondere beim Exportieren von Daten an andere Forscher oder in ein Open-Source-Repository.

Für Fastrak TX2 stellt der grüne Kreis (Ø ≈ 40 cm) ein optimales Feld (VoM) für die Digitalisierung dar, und der rote Kreis (Ø ≈ 120 cm) stellt eine Grenze dar, innerhalb der magnetische und leitfähige Objekte vermieden werden sollten.

Bei MEG und EEG ist die Digitalisierung ein entscheidender Schritt für eine genaue Bildgebung der Quelle. Wir haben festgestellt, dass der herkömmliche Digitalisierer (Fastrak TX2) eine genaue und robuste Leistung erbringt, wenn die folgenden Empfehlungen berücksichtigt werden: (i) Alle nennenswerten magnetischen oder leitfähigen Materialien sollten im Umkreis von 120 cm vom Sender vermieden werden; (ii) der Kopf sollte ruhig bleiben und sich innerhalb von 45 cm vom Sender befinden; (iii) physischer Kontakt zwischen den Kabeln des Systems und leitenden Oberflächen sollte vermieden werden; (iv) Der Stift sollte beim Digitalisieren senkrecht zum Punkt platziert werden. und (v) die Referenzpunkte müssen klar definiert sein, um mögliche Verschiebungen während der MEG-MRT-Integration zu vermeiden. Ein Sender mit kurzer Reichweite (TX1) beschränkt den Benutzer auf ein kleineres Messvolumen und erhöht die Möglichkeit einer Fehldigitalisierung. Wir haben herausgefunden, dass das beliebte chirurgische Navigationssystem (Aurora) auch als Digitalisierer verwendet werden kann, indem ein schalteraktivierter Stift und ein längeres Stiftkabel hinzugefügt werden. Ein ideales EMT-System für die MEG/EEG-Digitalisierung würde ein unidirektionales planares Feld mit gleichmäßiger Empfindlichkeit bis etwa 70 cm vom Sender entfernt, Echtzeit-Fehlerschätzungen und einen Fußschalter verwenden, der den Stiftschalter nachbildet, um die Benutzerfreundlichkeit des Digitalisierers zu verbessern.

Die in der Studie gesammelten Daten sind auf begründete Anfrage beim entsprechenden Autor erhältlich.

Mosher, JC, Leahy, RM & Lewis, PS EEG und MEG: Vorwärtslösungen für inverse Methoden. IEEE Trans. Biomed. Ing. 46, 245–259. https://doi.org/10.1109/10.748978 (1999).

Artikel CAS PubMed Google Scholar

Besl, PJ & Mckay, ND Eine Methode zur Registrierung von 3D-Formen. IEEE Trans. Muster Anal. Mach. Intel. 14, 239–256 (1992).

Artikel Google Scholar

Parkkonen, L. Instrumentierung und Datenvorverarbeitung. in MEG: Eine Einführung in Methoden. 24–64. https://doi.org/10.1093/acprof:oso/9780195307238.003.0002 (2010).

Dalal, SS, Rampp, S., Willomitzer, F. & Ettl, S. Konsequenzen eines Positionsfehlers der EEG-Elektrode auf die endgültige Rekonstruktionsleistung der Strahlformerquelle. Vorderseite. Neurosci. 8, 42. https://doi.org/10.3389/fnins.2014.00042 (2014).

Artikel PubMed PubMed Central Google Scholar

Sonntag, H., Haueisen, J. & Maess, B. Qualitätsbewertung von MEG-zu-MRT-Koregistrationen. Physik. Med. Biol. 63, 075003. https://doi.org/10.1088/1361-6560/aab248 (2018).

Artikel PubMed Google Scholar

Chella, F. et al. Die Auswirkungen einer verbesserten MEG-MRT-Koregistrierung auf die MEG-Konnektivitätsanalyse. Neuroimage 197, 354–367. https://doi.org/10.1016/j.neuroimage.2019.04.061 (2019).

Artikel PubMed Google Scholar

Berg, P. & Scherg, M. Eine schnelle Methode zur Vorwärtsberechnung von mehrschaligen Kugelkopfmodellen. Elektroenzephalologe Klin. Neurophysiol. 90, 58–64. https://doi.org/10.1016/0013-4694(94)90113-9 (1994).

Artikel CAS PubMed Google Scholar

Gramfort, A. et al. MNE-Software zur Verarbeitung von MEG- und EEG-Daten. Neuroimage 86, 446–460. https://doi.org/10.1016/j.neuroimage.2013.10.027 (2014).

Artikel PubMed Google Scholar

van't Ent, D., de Munck, JC & Kaas, AL Eine schnelle Methode zur Ableitung realistischer BEM-Modelle für die Rekonstruktion von E/MEG-Quellen. IEEE Trans. Biomed. Ing. 48, 1434–1443. https://doi.org/10.1109/10.966602 (2001).

Artikel PubMed Google Scholar

Darvas, F., Ermer, JJ, Mosher, JC & Leahy, RM Generische Kopfmodelle für die Atlas-basierte EEG-Quellenanalyse. Summen. Brain Mapp. 27, 129–143. https://doi.org/10.1002/hbm.20171 (2006).

Artikel PubMed Google Scholar

Gohel, B., Lim, S., Kim, M.-Y., Kwon, H. & Kim, K. Ungefähre themenspezifische Pseudo-MRT aus einem verfügbaren MRT-Datensatz für die MEG-Quellenbildgebung. Vorderseite. Neuroinform. 11, 50. https://doi.org/10.3389/fninf.2017.00050 (2017).

Artikel PubMed PubMed Central Google Scholar

Henson, RN, Mattout, J., Phillips, C. & Friston, KJ Auswahl von Vorwärtsmodellen für die MEG-Quellenrekonstruktion unter Verwendung von Modellbeweisen. Neuroimage 46, 168–176. https://doi.org/10.1016/j.neuroimage.2009.01.062 (2009).

Artikel CAS PubMed Google Scholar

Antonakakis, M. et al. Die Wirkung von Stimulationstyp, Kopfmodellierung und kombiniertem EEG und MEG auf die Quellenrekonstruktion der somatosensorischen P20/N20-Komponente. Summen. Brain Mapp. 40, 5011–5028. https://doi.org/10.1002/hbm.24754 (2019).

Artikel PubMed PubMed Central Google Scholar

Bookstein, FL Hauptverzerrungen: Splines dünner Platten und die Zerlegung von Verformungen. IEEE Trans. Muster Anal. Mach. Intel. 11, 567–585. https://doi.org/10.1109/34.24792 (1989).

Artikel MATH Google Scholar

Koessler, L. et al. Räumliche Lokalisierung von EEG-Elektroden. Neurophysiol. Klinik/Klin. Neurophysiol. 37, 97–102. https://doi.org/10.1016/j.neucli.2007.03.002 (2007).

Artikel CAS Google Scholar

Sorrento, A. et al. Optische und elektromagnetische Trackingsysteme für biomedizinische Anwendungen: Eine kritische Überprüfung der Möglichkeiten und Grenzen. IEEE Rev. Biomed. Ing. 13, 212–232. https://doi.org/10.1109/rbme.2019.2939091 (2020).

Artikel PubMed Google Scholar

de Munck, JC, Vijn, PCM & Spekreijse, H. Eine praktische Methode zur Bestimmung der Elektrodenpositionen am Kopf. Elektroenzephalologe Klin. Neurophysiol. 78, 85–87. https://doi.org/10.1016/0013-4694(91)90023-w (1991).

Artikel PubMed Google Scholar

Le, J., Lu, M., Pellouchoud, E. & Gevins, A. Eine schnelle Methode zur Bestimmung standardmäßiger 10/10-Elektrodenpositionen für hochauflösende EEG-Studien. Elektroenzephalologe Klin. Neurophysiol. 106, 554–558. https://doi.org/10.1016/s0013-4694(98)00004-2 (1998).

Artikel CAS PubMed Google Scholar

Lagerlund, TD et al. Bestimmung von 10–20 Systemelektrodenpositionen mittels Magnetresonanztomographie mit Markern. Elektroenzephalologe Klin. Neurophysiol. 86, 7–14. https://doi.org/10.1016/0013-4694(93)90062-z (1993).

Artikel CAS PubMed Google Scholar

Yoo, S.-S. et al. 3D-Lokalisierung von 10–20 Oberflächen-EEG-Elektroden auf hochauflösenden anatomischen MR-Bildern. Elektroenzephalologe Klin. Neurophysiol. 102, 335–339. https://doi.org/10.1016/s0013-4694(96)95088-9 (1997).

Artikel CAS PubMed Google Scholar

Steddin, S. & Botzel, K. Ein neues Gerät zur Elektrodenlokalisierung auf der Kopfhaut bei freiem Kopf. J. Neurol. 242, 265 (1995).

Google Scholar

Tucker, DM Räumliche Abtastung elektrischer Felder im Kopf: Das geodätische Sensornetz. Elektroenzephalologe Klin. Neurophysiol. 87, 154–163. https://doi.org/10.1016/0013-4694(93)90121-b (1993).

Artikel CAS PubMed Google Scholar

Russell, GS, Jeffrey Eriksen, K., Poolman, P., Luu, P. & Tucker, DM Geodätische Photogrammetrie zur Lokalisierung von Sensorpositionen im Dense-Array-EEG. Klin. Neurophysiol. 116, 1130–1140. https://doi.org/10.1016/j.clinph.2004.12.022 (2005).

Artikel PubMed Google Scholar

Mazzonetto, I., Castellaro, M., Cooper, RJ & Brigadoi, S. Smartphone-basierte Photogrammetrie ermöglicht eine verbesserte Lokalisierung und Registrierung von auf der Kopfhaut montierten Neuroimaging-Sensoren. Wissenschaft. Rep. 12, 1–14. https://doi.org/10.1038/s41598-022-14458-6 (2022).

Artikel CAS Google Scholar

Hämäläinen, M., Hari, R., Ilmoniemi, RJ, Knuutila, J. & Lounasmaa, OV Magnetoenzephalographie – Theorie, Instrumentierung und Anwendungen für nichtinvasive Studien des arbeitenden menschlichen Gehirns. Pfr. Fr. Mod. Physik. 65, 413–497. https://doi.org/10.1103/revmodphys.65.413 (1993).

Artikel ADS Google Scholar

Khosla, D., Don, M. & Kwong, B. Räumliche Fehllokalisierung von EEG-Elektroden – Auswirkungen auf die Genauigkeit der Dipolschätzung. Klin. Neurophysiol. 110, 261–271. https://doi.org/10.1016/s0013-4694(98)00121-7 (1999).

Artikel CAS PubMed Google Scholar

Bardouille, T., Krishnamurthy, SV, Hajra, SG & D'Arcy, RC Verbesserte Lokalisierungsgenauigkeit bei der Bildgebung magnetischer Quellen mithilfe eines 3D-Laserscanners. IEEE Trans. Biomed. Ing. 59, 3491–3497. https://doi.org/10.1109/tbme.2012.2220356 (2012).

Artikel PubMed Google Scholar

Jeon, S., Chien, J., Song, C. & Hong, J. Eine vorläufige Studie zur präzisen Bildführung für die Elektrodenplatzierung in einer EEG-Studie. Gehirntopogr. 31, 174–185. https://doi.org/10.1007/s10548-017-0610-y (2017).

Artikel PubMed Google Scholar

Homölle, S. & Oostenveld, R. Verwendung eines 3D-Scanners mit strukturiertem Licht zur Verbesserung der EEG-Quellenmodellierung mit genaueren Elektrodenpositionen. J. Neurosci. Methoden 326, 108378. https://doi.org/10.1016/j.jneumeth.2019.108378 (2019).

Artikel PubMed Google Scholar

Taberna, GA, Marino, M., Ganzetti, M. & Mantini, D. Räumliche Lokalisierung von EEG-Elektroden mittels 3D-Scanning. J. Neural Eng. 16, 026020. https://doi.org/10.1088/1741-2552/aafdd1 (2019).

Artikel ADS PubMed Google Scholar

Zetter, R., Iivanainen, J. & Parkkonen, L. Optische Co-Registrierung von MRT und MEG auf der Kopfhaut. Wissenschaft. Rep. 9, 1–9. https://doi.org/10.1038/s41598-019-41763-4 (2019).

Artikel CAS Google Scholar

Engels, L., De Tiege, X., Op de Beeck, M. & Warzée, N. Faktoren, die die räumliche Präzision elektromagnetischer Trackingsysteme beeinflussen, die für die Bildgebung von MEG/EEG-Quellen verwendet werden. Neurophysiol. Klinik/Klin. Neurophysiol. 40, 19–25. https://doi.org/10.1016/j.neucli.2010.01.002 (2010).

Artikel CAS Google Scholar

Yaniv, Z., Wilson, E., Lindisch, D. & Cleary, K. Elektromagnetisches Tracking im klinischen Umfeld. Med. Physik. 36, 876–892. https://doi.org/10.1118/1.3075829 (2009).

Artikel PubMed PubMed Central Google Scholar

Kellermeier, M. et al. Elektromagnetische Tracking-Technologie (EMT) zur verbesserten Qualitätssicherung der Behandlung in der interstitiellen Brachytherapie. J. Appl. Klin. Med. Physik. 18, 211–222. https://doi.org/10.1002/acm2.12021 (2017).

Artikel PubMed PubMed Central Google Scholar

Franz, AM et al. Elektromagnetisches Tracking in der Medizin – Ein Überblick über Technologie, Validierung und Anwendungen. IEEE Trans. Med. Bildgebung 33, 1702–1725. https://doi.org/10.1109/tmi.2014.2321777 (2014).

Artikel PubMed Google Scholar

Wilson, E. et al. Genauigkeit des elektromagnetischen Trackers in der Cyberknife Suite. SPIE Proc. https://doi.org/10.1117/12.655710 (2006).

Artikel Google Scholar

Berry, J. Genauigkeit des NDI-Wave-Speech-Forschungssystems. J. Speech Lang. Hören. Res. 54, 1295–1301. https://doi.org/10.1044/1092-4388(2011/10-0226) (2011).

Artikel PubMed Google Scholar

Pedregosa, F. et al. Scikit-learn: Maschinelles Lernen in Python. J. Mach. Lernen. Res. 12, 2825–2830 (2011).

MathSciNet MATH Google Scholar

Jaiswal, A. Daten für die Studie: Vergleich von Strahlformer-Implementierungen für die MEG-Quellenlokalisierung. Zenodo https://doi.org/10.5281/zenodo.3233557 (2019).

Jaiswal, A. et al. Vergleich von Beamformer-Implementierungen zur MEG-Quellenlokalisierung. Neuroimage 216, 116797. https://doi.org/10.1016/j.neuroimage.2020.116797 (2020).

Artikel PubMed Google Scholar

de Tiège, X. et al. Aufzeichnung epileptischer Aktivität mit MEG in einem leichten Magnetschild. Epilepsie Res. 82, 227–231. https://doi.org/10.1016/j.eplepsyres.2008.08.011 (2008).

Artikel PubMed Google Scholar

Taulu, S. & Kajola, M. Präsentation elektromagnetischer Mehrkanaldaten: Die Signalraumtrennungsmethode. J. Appl. Physik. 97, 124905. https://doi.org/10.1063/1.1935742 (2005).

Artikel ADS CAS MATH Google Scholar

Referenzen herunterladen

Die Autoren danken NDI Inc., Kanada, für die Bereitstellung des kompletten Aurora-Systems und Polhemus Inc., Colchester, VT, USA, für die Bereitstellung des TX1-Senders (Short-Ranger) zur Durchführung der Tests. Wir danken außerdem Sami Kesti (MEGIN Oy, Espoo, Finnland) und Steven van Hengstum (NDI, Waterloo, ON, Kanada) für ihre Unterstützung und wertvollen Anregungen während der Studie. Wir möchten außerdem dem BioMag Laboratory (Helsinki Central Hospital, Helsinki, Finnland) dafür danken, dass es den DBS-Stimulator für die Studie zur Verfügung gestellt hat.

MEGIN Oy, Espoo, Finnland

Amit Jaiswal, Jukka Nenonen und Lauri Parkkonen

Abteilung für Neurowissenschaften und Biomedizintechnik, School of Science, Aalto-Universität, Espoo, Finnland

Amit Jaiswal & Lauri Parkkonen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Konzeptualisierung und Datenkuratierung: AJ, JN; Methodik, Software, formale Analyse und Untersuchung: AJ; Betreuung: JN, LP; Projektverwaltung und Ressource: JN; Schreiben – Originalentwurf: AJ; Schreiben – Rezension und Bearbeitung: JN, LP

Korrespondenz mit Amit Jaiswal.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Jaiswal, A., Nenonen, J. & Parkkonen, L. Zur elektromagnetischen Kopfdigitalisierung in MEG und EEG. Sci Rep 13, 3801 (2023). https://doi.org/10.1038/s41598-023-30223-9

Zitat herunterladen

Eingegangen: 11. November 2022

Angenommen: 17. Februar 2023

Veröffentlicht: 07. März 2023

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

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.