SEEG（深部脑电图）源定位的准确性：一项基于皮层-皮层诱发电位的初步研究

《Journal of Clinical Neurophysiology》：Accuracy of SEEG Source Localization: A Pilot Study Using Corticocortical Evoked Potentials

本研究通过记录四名癫痫患者205次皮层-皮层诱发电位刺激，比较11种iEEG源定位算法的误差与离散度。结果显示，最小范数、sLORETA、LP Norm和SWARM定位误差最低（13.3-15.7mm），显著优于FOCUSS（17.9mm）、LAURA（20.1mm）和LORETA（21.7mm）。灰质刺激误差较白质平均减少3.1-6.1mm，部分算法受材质影响较小，建议扩大样本验证。

　　

摘要 通俗语言总结

---

引言：

脑电图（EEG）源定位是一种用于确定难治性癫痫患者头皮EEG位置的技术，但尚未充分研究其在颅内EEG（iEEG）中的应用。传感器位置和空间采样的差异可能会影响iEEG源定位的准确性。鉴于已知的源位置，可以利用皮层-皮层诱发电位来评估iEEG的EEG源定位算法。

方法：

我们对4名iEEG患者进行了205次皮层-皮层诱发电位的记录，使用的是低频单脉冲电刺激。我们使用11种分布式源定位算法分析了平均皮层-皮层诱发电位，并通过Wilcoxon符号秩检验进行了比较（P < 0.05）。我们测量了从刺激电极到源位置的定位误差以及每种算法的空间分散度。

结果：

最小范数法、标准低分辨率电磁断层扫描（sLORETA）、LP范数法、sLORETA加权最小范数法（SWARM）、精确LORETA（eLORETA）、标准化加权LORETA（swLORETA）和标准化收缩LORETA-FOCUSS（ssLOFO）的定位误差最小（13.3–15.7毫米），优于焦点欠定系统求解器（FOCUSS）、逻辑自回归平均法（LAURA）和LORETA（17.9–21.7毫米，P < 0.001）。FOCUSS算法的空间分散度最小（7.4毫米），其次是最小范数法、L1范数法、LP范数法和SWARM法（20.8–28.3毫米）。除SWARM、LORETA和逻辑自回归平均法外，灰质刺激的定位误差均低于白质刺激（中位数差异为3.1–6.1毫米）。多元线性回归分析显示，源位置与传感器之间的距离以及刺激部位（灰质/白质）对某些算法的定位误差有显著影响，但对SWARM、最小范数法、焦点欠定系统求解器、逻辑自回归平均法和LORETA没有影响。

结论：

我们的研究表明，最小范数法、L1范数法、LP范数法和SWARM法能够以较低的定位误差和空间分散度准确定位iEEG的皮层-皮层诱发电位。需要更大规模的研究来验证这些发现。

通俗语言总结：本研究探讨了不同算法在确定癫痫患者颅内EEG（iEEG）记录的脑信号来源方面的能力。研究人员使用4名患者的205次脑刺激数据测试了11种算法。结果表明，最小范数法、sLORETA、LP范数法、SWARM法、eLORETA、swLORETA和ssLOFO的定位误差最低，即它们在识别脑信号来源方面更为准确。然而，准确性会受到刺激部位（灰质或白质）的影响。研究表明，最小范数法、L1范数法、LP范数法和SWARM法能够以较低的定位误差和空间分散度准确定位iEEG的皮层-皮层诱发电位。需要更大规模的研究来验证这些结果。

本文本由机器生成，可能存在不准确之处。常见问题解答