Функциональное изучение мозга требует развития инструментов для регистрации нейронной активности. Электрические токи, возникающие в нейронах, имеют химическую природу, что делает возможным использование таких методов, как функциональная магнитно-резонансная томография. Кроме того, сами токи генерируют слабые электрические и магнитные поля, которые, при наличии соответствующего оборудования, можно зарегистрировать неинвазивно, вне объема головы. В фокусе нашего внимания находится метод магнитоэнцефалографии: метод, позволяющий анализировать нейронную электрическую активность на основе регистрации генерируемых ей магнитных полей.
Являясь прямым методом регистрации электрической активности, МЭГ предоставляет высокое временное разрешение (около 1 мс). Кроме того, прозрачность биологических тканей для магнитных полей позволяет получить и высокое пространственное разрешение, подкрепленное высокой чувствительностью к высоким частотам. Сочетая высокие временное и пространственное разрешения с чувствительностью к высокочастотным сигналам, МЭГ по праву является мощнейшим неинвазивным методом нейровизуализации.
Несмотря на все преимущества, МЭГ был и остается малопопулярным методом. Связано это с тем, что традиционно МЭГ использует сверхпроводниковые квантовые интерферометры (СКВИД) в качестве высокочувствительных магнитометров. Работа последних основана на явлении низкотемпературной сверхпроводимости, что накладывает ряд ограничений на использование МЭГ, обусловленных необходимостью поддерживать сенсоры в состоянии сверхпроводимости в толстостенном сосуде Дьюара с жидким гелием. Недостатком таких дорогих и немобильных систем является большая удаленность сенсоров от мозга, что существенно снижает соотношение сигнал-шум в измеряемых данных. Кроме того, такие системы требуют использования крайне дорогого расходного материала — жидкого гелия, который используется для охлаждения сенсоров и поддержания Джозефсоновских контактов в рабочем состоянии.
В последнюю декаду, однако, появляются новые типы высокочувствительных сенсоров, применимых для МЭГ. Речь идет о магнитометрах с оптической накачкой (МОН или OPM) и твердотельных магнитометрах на основе пленок железо-иттриевого граната (ЖИГМ или YIGM). Эти сенсоры работают при комнатных температурах, являются компактными и не требуют охлаждения жидким гелием, что снимает существенную часть ограничений МЭГ как метода и потенциально может сделать МЭГ более надежным и менее дорогим инструментом, сохраняя при этом все его преимущества. Работа нашей группы во многом посвящена разработке систем МЭГ на основе указанных видов сенсоров.
Деятельность группы является мультидисциплинарной и направлена на разработку новых методик нейровизуализации как в части математическо-алгоритмического обеспечения, так и в аппаратной части. В частности, одним из основных направлений работ группы является разработка новых систем магнитоэнцефалографии (МЭГ) с применением инновационных высокочувствительных магнитных сенсоров: атомных магнитометров с оптической накачкой (МОН) и твердотельных магнитометров на основе пленок железо-иттриевого граната (ЖИГМ).
Построение новых систем магнитоэнцефалографии подразумевает работу в следующих направлениях:
Стоит отметить, что указанные направления тесно связаны друг с другом, и результаты, полученные в работах по одному направлению могут и будут использоваться при работе над прочими.
Работа по созданию новых типов устройств МЭГ начинается с работы над корневым элементом любой системы МЭГ: сенсора магнитного поля. На данный момент нами представлены два типа таких сенсоров: МОН и ЖИГМ. Применимость каждого из этих сенсоров в контексте МЭГ была показана нами ранее (см [Petrenko et. al, 2021], [Koshev et. al, 2021]), что является нулевым шагом, предтечей разработки системы МЭГ. Следующим шагом является разработка уже не сенсора, но системы сенсоров, которая также может привести к новому этапу доработки самих сенсоров. Разработка системы сенсоров производится с применением методов математической физики — моделирования сигнала сенсорных систем с учетом свойств сенсоров, и включает в себя как базовые исследования в области эффективности сенсорных систем, так и задачно-ориентированную оптимизацию положений и ориентаций чувствительных осей сенсоров. Примером базового исследования эффективности является разработка метрик эффективности сенсорных систем для определения главного направления дальнейшей разработки сенсора: увеличение чувствительности, минимизация собственного шума или уменьшение размера с целью расположения большего количества сенсоров в ограниченном объеме для регистрации более подробного сигнала. Второе исследование — задачно-ориентированная оптимизация сенсорных систем, — базируется на разработанных метриках оценки эффективности системы на основе теории информации и статистических методов обработки данных (таких, как отношение сигнала к шуму или чувствительность к источникам в той или иной области мозга, оценки Крамера-Рао для дисперсии положения локализованного источника и т.п.).
Разработка экспериментальной парадигмы работы с новыми типами сенсоров включает в себя как исследование применимости сенсоров в различных условиях, исследование необходимой для работы сенсоров инфраструктуры, такой, например, как создание катушек активного подавления фоновых магнитных полей и/или магнитных экранов, взаимного расположения сенсоров относительно друг друга для минимизации эффекта взаимовлияния и магнитных помех. Кроме того, сенсорам, разумеется, требуется некоторая калибровка или градуировка, также входящая в задачи разработки экспериментальной парадигмы.
Каждый из разрабатываемых сенсоров имеет свои особенности, ведущие к некоторым, очевидным или скрытым, различиям в регистрируемом ими сигнале. К очевидным различиям можно отнести, например, различия, определяемые геометрией сенсоров и ориентацией их чувствительных осей относительно головы, а также платами сбора и записи регистрируемого сигнала. Примером менее очевидных различий является, например, неприменимость стандартных алгоритмов фильтрации сигнала от внешних помех (например, фильтра Максвелла, [Taulu et. al, 2005]) к системам с небольшим количеством сенсоров, что заставляет либо улучшать свойства магнитных экранов и систем активного шумоподавления, либо разрабатывать новые алгоритмы предобработки и фильтрации данных.
Для формирования карты активности на коре головного мозга по сигналам сенсоров используются методы решения обратной задачи. Еще одним крайне важным направлением работы группы является исследование в области алгоритмов решения обратной задачи МЭГ — локализации электрических источников в коре головного мозга, а также подходов к обнаружению функциональных сетей.
Обе эти задачи лишены уникального математического решения и требуют использования дополнительной априорной информации для достижения точности и достоверности результатов. На Рисунке показан пример работы нового алгоритма GALA при решении обратной задачи, использующего априорное предположение о слабом сходстве (weak similarity) активности мозга между испытуемыми.
Дополнительно, в контексте анализа активности корковых источников, важной является оценка функциональной связности между ними, определяемая постоянством фазовых задержек в синхронной активности нейрональных популяций.
Один из инновационных методов в данной области – метод PSIICOS (Phase shift invariant imaging of coherent sources), разработанный Центром биоэлектрических интерфейсов НИУ ВШЭ, с которым тесно сотрудничает LIFT в рамках проекта МЭГ. Этот метод специально предназначен для оценки функциональной связности вне зависимости от фазовых задержек между ритмической активностью нейрональных популяций. Метод PSIICOS позволяет подавлять артефакты объемной проводимости и впервые обеспечил доступ к картированию функциональных сетей с синфазной активностью, которые регулярно заявляют о себе в инвазивных измерениях, но оставались недоступными для неинвазивных методов нейрокартирования. В музыкальной аллегории, представленной на Рисунке выше PSIICOS проекция позволяет подавить активность одиночных исполнителей и подчеркнуть относительную громкость мелодии, исполняемой несколькими певцами синхронно.
Недавно мы продемонстрировали и строго доказали оптимальность проекции PSIICOS в контексте подавления артефакта объемной проводимости, являющегося основной преградой для задач исследования функционального коннектома.
LIFT совместно с Центром биоэлектрических интерфейсов ВШЭ разрабатывает альтернативную систему МЭГ на базе OPM-сенсоров, работающих на принципе оптической накачки. Такие сенсоры обладают компактным корпусом и могут быть установлены на обычных ЭЭГ-шапках, обеспечивая свободу движений и более точную локализацию источников в сравнении с широко-использующимися SQUID-системами.
В рамках проекта была успешно продемонстрирована запись функциональных ритмов головного мозга, таких как затылочный альфа ритм и сенсомоторный ритм в том числе и в парадигме идеомоторного нейроинтерфейса. Сенсоры с оптической накачкой, размещаемые в непосредственной близости к скальпу, обеспечивают высокую пространственную и временную разрешающую способность. В режиме декодирования моторного воображения OPM-сенсоры продемонстрировали высокую точность распознавания состояния моторного воображения даже при помощи одного OPM-сенсора.
Еще одним решением для создания новых МЭГ-систем являются представленные ранее командой твердотельные магнитометры на основе пленок железо-иттриевого граната (YIGM). Магнитометры YIGM наследуют принцип работы феррозондовых магнитометров. Работая при комнатной температуре, обладая широким динамическим диапазоном и выделяя крайне невысокое количество тепла, эти сенсоры представляют собой альтернативу как для магнитометров с оптической накачкой, так и для конвенциональных SQUID-магнитометров. В 2021 г. была экспериментально доказана применимость сенсоров YIGM в контексте МЭГ. Была исследована чувствительность YIGM, составившая около 35 fT/√Hz. Для доказательства применимости сенсора YIGM в МЭГ была проведена регистрация с его помощью затылочного альфа-ритма головного мозга. Сравнительный анализ сигнала, порожденного альфа-ритмом и зарегистрированного при помощи SQUID и OPM показал сравнимую или более высокую мощность сигнала при регистрации YIGM.
Публикации (с аффилиацией LIFT)
A. Ossadtchi, I. Semenkov, A. Zhuravleva, O. Serikov, E. Voloshina. Representational dissimilarity component analysis (ReDisCA). NeuroImage, 2024, https://www.sciencedirect.com/science/article/pii/S1053811924003653
Altukhov, D., Kleeva D., and Ossadtchi, A., «PSIICOS projection optimality for EEG and MEG based functional coupling detection.» NeuroImage, 280 (2023): 120333, https://www.sciencedirect.com/science/article/pii/S1053811923004846
Koshev, N., Kapralov, P., Evstigneeva, S., Lutsenko, O., Shilina, P., Zharkov, M., … & Vetoshko, P. (2023). Yttrium-iron garnet film magnetometer for registration of magnetic nano-and submicron particles: In vitro and in vivo studies. IEEE Transactions on Biomedical Engineering, https://ieeexplore.ieee.org/document/10197157
Литература
4. Taulu, S., Simola, J., & Kajola, M. (2005). Applications of the signal space separation method. IEEE transactions on signal processing, 53(9), 3359-3372.
5. Petrenko, M. V., Dmitriev, S. P., Pazgalev, A. S., Ossadtchi, A. E., & Vershovskii, A. K. (2021). Towards the non-zero field cesium magnetic sensor array for magnetoencephalography. IEEE Sensors Journal, 21(17), 18626-18632.
6. Koshev, N., Butorina, A., Skidchenko, E., Kuzmichev, A., Ossadtchi, A., Ostras, M., … & Vetoshko, P. (2021). Evolution of MEG: A first MEG‐feasible fluxgate magnetometer. Human Brain Mapping, 42(15), 4844-4856.
7. Kozunov, V. V., & Ossadtchi, A. (2015). GALA: group analysis leads to accuracy, a novel approach for solving the inverse problem in exploratory analysis of group MEG recordings. Frontiers in Neuroscience, 9, 107.
8. Ossadtchi, A., Altukhov, D., Jerbi, K. (2018). Phase shift invariant imaging of coherent sources (PSIICOS) from MEG data. NeuroImage , 183 , 950-971.
9. Altukhov D., Kleeva D., Ossadtchi A.(2023). PSIICOS projection optimality for EEG and MEG based functional coupling detection. Neuroimage, Vol. 280. Article 120333.
10. Kuznetsova, A., Nurislamova, Y., & Ossadtchi, A. (2021). Modified covariance beamformer for solving MEG inverse problem in the environment with correlated sources. Neuroimage, 228, 117677
Наименование организации:
Общество с ограниченной ответственностью «ЛИФТ Центр», ИНН 9731113415
Адрес:
121205, г. Москва, территория инновационного центра «Сколково», Большой бульвар, д. 30, стр. 1