Applications of magnetic-field modeling for hybrid MEG and MRI

Loading...
Thumbnail Image
Journal Title
Journal ISSN
Volume Title
School of Science | Doctoral thesis (article-based) | Defence date: 2020-11-18
Date
2020
Major/Subject
Mcode
Degree programme
Language
en
Pages
64 + app. 72
Series
Aalto University publication series DOCTORAL DISSERTATIONS, 174/2020
Abstract
This Thesis concentrates on methods for modeling and analyzing the magnetic field in magnetic brain imaging. The work is motivated by the combination of two brain imaging modalities, magnetoencephalography (MEG) and magnetic resonance imaging (MRI), in a single MEG–MRI device. In magnetoencephalography, brain functions are studied by recording the magnetic-field distribution generated by electrical brain activity. With magnetic resonance imaging, the structure of the head can be analyzed. The combination of these two imaging methods is enabled by applying ultra-low magnetic fields for MRI (ULF MRI). Besides the imaging structure, ultra-low-field MRI can be made sensitive to the magnetic field generated by small currents, enabling current density imaging (CDI). This method can be utilized to estimate the current flow in the head, which is needed for modeling the neuronal magnetic field in MEG and especially the electric field studied by electroencephalography (EEG). Magnetic-field modeling was first applied for spatial calibration of ULF MRI, which enables enhancing the spatial accuracy of MEG when measured with the hybrid MEG–MRI device. Second, MR imaging of magnetic fields generated by injected currents inside the human head was simulated to study the performance of CDI. Third, the electric and magnetic fields generated by brain activity were analyzed to study the effect of field sampling in MEG and EEG. Last, general computational tools were developed for modeling and designing magnetic fields produced, e.g., by the electromagnetic coils used in MRI. Altogether, this Thesis provides computational and methodological tools that facilitate the analysis and design of biomagnetic experiments for brain research.

Tämä väitöskirja käsittelee menetelmiä magneettikentän mallinnukseen ja analysointiin magneettista aivokuvantamista varten. Motivaationa tehdylle tutkimukselle toimii MEG–MRI hydridikuvantamislaite, joka yhdistää magnetoenkefalografian (MEG) ja magneettikuvauksen (MRI). Magnetoenkefalografiassa tutkitaan aivojen toimintaa niiden sähköisen aktiivisuuden synnyttämän magneettikentän avulla. Magneettikuvaus puolestaan antaa tietoa aivojen rakenteesta. Nämä menetelmät voidaan yhdistää madaltamalla magneettikuvauksessa käytettäviä magneettikenttiä ultramatalalle tasolle (ultra-matalan kentän magneettikuvaus, ULF MRI). Ultra-matalan kentän magneettikuvauksella voidaan myös kuvata aivoissa kulkevia sähkövirtoja, koska kyseinen kuvausmenetelmä voidaan tehdä herkäksi näiden virtojen synnyttämälle magneettikentälle. Virrankuvantamista (CDI) voidaan hyödyntää esimerkiksi pään johtavuusrakenteen kartoittamiseen, mitä tarvitaan aivojen synnyttämän magneettikentän ja erityisesti sähkökentän mallintamiseen. Magneettikentän mallinnusta hyödynnettiin ensiksi ultra-matalan kentän magneettikuvien avaruudelliseen kalibrointiin MEG–MRI-laitetta varten. Kalibrointimenetelmä takaa MEG:n paikkatarkkuuden parantamisen MEG–MRI-laitetta käytettäessä. Toisessa osatyössä päähän syötettävän virran synnyttämää magneettikenttää simuloitiin CDI-mittausten luotettavuuden analysointia varten. Kolmannessa osatyössä aivojen synnyttämiä magneetti- ja sähkökenttiä analysoitiin kenttien näytteistyksen tutkimukseen. Viimeiseksi kehitettiin yleisiä laskennallisia työkaluja, joiden avulla magneettikenttiä voidaan mallintaa ja suunnitella haluttuja kenttämuotoja synnyttäviä keloja esimerkiksi magneettikuvausta varten. Kokonaisuudessaan tämä väitöskirja tarjoaa laskennallisia ja metodologisia työkaluja, jotka helpottavat biomagneettisten aivotutkimusten suunnittelua ja analysointia.
Description
18.11.2020 15:15 – 19:15 Via remote technology (Zoom: https://aalto.zoom.us/j/62702105698)
Supervising professor
Ilmoniemi, Risto, Prof., Aalto University, Department of Neuroscience and Biomedical Engineering, Finland
Thesis advisor
Ilmoniemi, Risto, Prof., Aalto University, Department of Neuroscience and Biomedical Engineering, Finland
Keywords
magnetic resonance imaging, magnetoencephalography, magnetic field, computational methods, magneettikuvaus, magnetoenkefalografia, magneettikenttä, laskennalliset menetelmät
Other note
Parts
  • [Publication 1]: Antti J. Mäkinen, Koos C.J. Zevenhoven, Risto J. Ilmoniemi. Automatic spatial calibration of ultra-low-field MRI for high-accuracy hybrid MEG–MRI. IEEE Transactions on Medical Imaging, Volume: 38, Issue: 6, June 2019.
    DOI: 10.1109/TMI.2019.2905934 View at publisher
  • [Publication 2]: Peter Hömmen, Antti J. Mäkinen, Alexander Hunold, René Machts, Jens Haueisen, Koos C.J. Zevenhoven, Risto J. Ilmoniemi, Rainer Körber. Evaluating the performance of ultra-low-field MRI for in-vivo 3D current density imaging of the human head. Frontiers in Physics, Volume 8, April 2020.
    Full text in Acris/Aaltodoc: http://urn.fi/URN:NBN:fi:aalto-202006254132
    DOI: 10.3389/fphy.2020.00105 View at publisher
  • [Publication 3]: Joonas Iivanainen, Antti J. Mäkinen, Rasmus Zetter, Matti Stenroos, Risto J. Ilmoniemi, Lauri Parkkonen. Spatial sampling of MEG and EEG revisited: From spatial-frequency spectra to model- informed sampling. Submitted to NeuroImage, June 2020
  • [Publication 4]: Antti J. Mäkinen, Rasmus Zetter, Joonas Iivanainen, Koos C.J. Zevenhoven, Lauri Parkkonen, Risto J. Ilmoniemi. Magnetic field modeling with surface currents. Part I. Physical and computational principles of bfieldtools. Journal of Applied Physics, Volume 128, August 2020.
    Full text in Acris/Aaltodoc: http://urn.fi/URN:NBN:fi:aalto-202009115337
    DOI: 10.1063/5.0016090 View at publisher
Citation