Improving the neuromagnetic source-imaging workflow

Thumbnail Image

Files

isbn9789526420981.pdf (2.69 MB)

URL

Journal Title

Journal ISSN

Volume Title

School of Science | Doctoral thesis (article-based) | Defence date: 2024-11-01
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2024

Department

Neurotieteen ja lääketieteellisen tekniikan laitos
Department of Neuroscience and Biomedical Engineering

Major/Subject

Mcode

Degree programme

Language

en

Pages

71 + app. 72

Series

Aalto University publication series DOCTORAL THESES, 229/2024

Abstract

Magnetoencephalography (MEG) is a non-invasive method for direct measurement of brain activity. Due to its excellent temporal resolution, good spatial resolution, and whole-head coverage, MEG has become an important tool for studying brain function. MEG provides multichannel time-series data, which is often transformed into an estimate of the active neural sources; this process is referred to as source imaging, and it is often supported by the structural magnetic resonance image (MRI) of the subject's head. This Thesis contributes to exploring and improving some of the factors affecting MEG source imaging. Although the Thesis focuses on MEG, the findings apply also to electroencephalography (EEG). Using structural MRIs in MEG source imaging requires their accurate co-registration with MEG, which involves digitizing the head surface and anatomical landmarks. Publication-I of the Thesis evaluates the performance of the state-of-the-art digitization system, explores the usability of two alternative systems, and suggests guidelines for accurate digitization in MEG and EEG. Further, Publication-II of the Thesis explores beamformer-based MEG source-imaging workflows in four major open-source software packages and investigates how their results differ when applied to identical datasets. Publication-III describes a tool for generating a pseudo-MRI based on the digitized head shape, thus omitting the need for MRI acquisition, and validates the use of such a pseudo-MRI in the MEG source-imaging workflow. In conclusion, this Thesis enhances the MEG source-imaging workflow by addressing critical aspects such as digitization accuracy and software-based discrepancies and enabling high-accuracy MRI-free source localization.

Magnetoenkefalografia (MEG) on ei-invasiivinen menetelmä aivojen toiminnan suoraan mittaamiseen. Erinomaisen ajallisen resoluutionsa, hyvän paikkaresoluutionsa ja koko pään kattavuutensa ansiosta MEG:stä on tullut tärkeä työkalu aivojen toiminnan tutkimuksessa. MEG-mittaus tuottaa monikanavaista aikasarja-aineistoa, joka usein muunnetaan aktiivisten aivolähteiden estimaatiksi. Tätä prosessia kutsutaan lähdekuvaukseksi, ja sitä tukee usein tutkittavan henkilön pään rakenteellinen magneettikuvaus (MRI). Tässä opinnäytetyössä tutkitaan ja parannetaan joitakin MEG-lähdekuvaukseen vaikuttavia tekijöitä. Vaikka opinnäytetyö keskittyy ensisijaisesti MEG-tutkimukseen, osa sen tuloksista pätee myös elektroenkefalografiaan (EEG). Rakenteellisten MRI-kuvien käyttö MEG-lähdekuvauksessa edellyttää niiden tarkkaa kohdennusta MEG:n kanssa, mikä edellyttää pään pinnan ja anatomisten maamerkkien digitalisointia. Opinnäytetyön julkaisussa I arvioidaan uusimpien digitointimenetelmien suorituskykyä, selvitetään kahden vaihtoehtoisen järjestelmän käytettävyyttä ja ehdotetaan suuntaviivoja MEG- ja EEG-digitointiin. Opinnäytetyön julkaisu II tutkii keilanmuodostajapohjaisia MEG-lähdekuvantamisen työnkulkuja neljässä suurimmassa avoimen lähdekoodin ohjelmistopaketissa ja selvittää, kuinka niiden tulokset eroavat, kun niitä sovelletaan identtisiin aineistoihin. Julkaisu III esittelee työkalun yksilöllisen malli-MRI:n tuottamiseksi digitoidun pään muodon perusteella, jolloin MRI-kuvausta ei tarvita, ja validoi tällaisen pseudo-MRI:n käytön MEG-lähdekuvantamisen yhteydessä. Tämä opinnäytetyö lisää ymmärrystämme MEG-lähdekuvantamisen työnkulun vaatimuksista ja käsittelee sen kriittisiä kohtia, kuten digitoinnin tarkkuuden ja ohjelmistopohjaisten erojen vaikutusta. Pään ulkopinnan digitointiin perustuva yksilöllinen malli-MRI mahdollistaa nopeamman, taloudellisemman ja virtaviivaisemman lähdekuvauksen työnkulun MEG- ja EEG-sovelluksissa.

Description

Supervising professor

Parkkonen, Lauri, Prof., Aalto University, Department of Neuroscience and Biomedical Engineering, Finland

Thesis advisor

Nenonen, Jukka, Dr., Megin Oy, Finland
Parkkonen, Lauri, Prof., Aalto University, Department of Neuroscience and Biomedical Engineering, Finland

Keywords

MEG, EEG, source imaging, head digitization, pseudo-MRI, beamformers, open-source analysis software, MEG, EEG, magnetoenkefalografia, elektroenkefalografia, lähdekuvaus, pään digiointi, pseudo-MRI, keilanmuodostajat, avoimen lähdekoodin analyysiohjelmisto

Other note

Parts

  • [Publication 1]: Jaiswal, A., Nenonen, J., & Parkkonen, L. (2023). On electromagnetic head digitization in MEG and EEG. Scientific Reports, 13(1), 3801.
    Full text in Acris/Aaltodoc: https://urn.fi/URN:NBN:fi:aalto-202304122712
    DOI: 10.1038/s41598-023-30223-9 View at publisher
  • [Publication 2]: Jaiswal, A., Nenonen, J., Stenroos, M., Gramfort, A., Dalal, S. S., Westner, B. U., Litvak, V., Mosher, J. C., Schoffelen, J. M., Witton, C., Oostenveld, R. & Parkkonen, L. (2020). Comparison of beamformer implementations for MEG source localization. NeuroImage, 116797.
    Full text in Acris/Aaltodoc: https://urn.fi/URN:NBN:fi:aalto-202006254188
    DOI: 10.1016/j.neuroimage.2020.116797 View at publisher
  • [Publication 3]: Jaiswal, A., Nenonen, J., & Parkkonen, L. Pseudo-MRI engine for MRI-free electromagnetic source imaging. Submitted to Human Brain Mapping in Apr. 2024

Citation

Permanent link to this item

https://urn.fi/URN:ISBN:978-952-64-2098-1

Collections

[diss] Perustieteiden korkeakoulu / SCI