شکل دهنده پرتو تمام وفقی سریع بهبود یافته برای مکان یابی فعالیت های کوتاه مدت مغزی

در مکان یابی فعالیت مغز از روی سیگنال EEG یا MEG، روش های مبتنی بر شکل دهنده پرتوی وفقی کمینه واریانس، به دلیل رزولوشن بالا، کاربرد گسترده ای دارند. متاسفانه، این روش ها به دلیل استفاده از وارون ماتریس کوواریانس داده، اغلب زمانی که تعداد لحظات نمونه برداری در مقایسه با تعداد گیرنده ها کم است، با شکست مواجه می شوند. این اتفاق، به خصوص برای داده های حاصل از پتانسیل های برانگیخته رخ می دهد. برای حل مشکل، روشی به نام تمام وفقی سریع (FFA) پیشنهاد شد، که یک روش چند مرحله ای وفقی با الهام از ساختار پروانه ای تبدیل فوریه (FFT) بوده و تعداد نمونه های لازم برای مکان یابی را به مقدار قابل توجهی کاهش می دهد. از سوی دیگر، حساسیت زیاد این روش به توالی تقسیم داده و عملکرد ضعیف آن در SNRهای پایین، استفاده از آن را برای مکان یابی فعالیت های کوتاه مدت مغزی با تردید همراه کرده است. در این مقاله، یک مرحله پیش پردازشی برای بهبود عملکرد FFA ارایه می شود که در آن،  مغز به نواحی مجزا تقسیم و پایه های هر ناحیه تعیین شده و با استفاده از این پایه ها، داده هر ناحیه به دست می آید. در ادامه، الگوریتم FFA روی داده به دست آمده، اعمال می شود. برای اثبات عملکرد روش ارایه شده، از داده های شبیه سازی ERP و داده واقعی ERF استفاده شد. در تمام شبیه سازی ها، FFA بهبود یافته، عملکرد بهتری از لحاظ شعاع پراکندگی (بهبود در حدود 4-9 میلی متر) و خطای مکان یابی (بهبود در حدود 2-10 میلی متر) در مقایسه با روش FFA از خود نشان داد. همچنین روش پیشنهادی، رزولوشن بهتری در مکان یابی داده واقعی ERF نشان داد. این نکته نیز مهم است که روش پیشنهادی، حساسیت کمتری نسبت به توالی تقسیم داده دارد. نتایج هر دو داده شبیه سازی و واقعی نشان می دهد، که می توان از FFA بهبود یافته به عنوان روشی مطمین برای مکان یابی فعالیت های کوتاه مدت مغزی استفاده کرد.