[发明专利]利用磁共振成像(MRI)融合脑电图(EEG)模型进行病情发作表征

说明书

一种病情发作表征方法包括：将围绕脑放置并用于产生序列脑电图(EEG)信号的电极的位置与从磁共振成像(MRI)导出的三维脑模型进行关联；通过使用被包括在所述脑模型中的皮质脑区域和皮质下脑区域定义针对数值解的约束来在三维中对来自围绕所述脑放置的所述电极的所述序列EEG信号进行建模；在三维中相对于被包括在所述脑模型中的所述脑区域来量化所述序列EEG信号的量；并且基于所述量化来在时间上相对于所述脑模型中的所述脑区域建立所述序列EEG信号的至少一个传播图案。

背景技术

癫痫是人们关注的全球性健康问题，其特征在于，反复病情发作是由源自脑中的特定区域的突然的、不受控制的和强烈的脑电放电引起的。癫痫仅在美国就影响了近300万人。到75岁时，将有3％的人口患上癫痫，而10％的人口将至少有过1次病情发作。定性磁共振成像(MRI)常规地用于临床评估中，以为脑图像提供三维细节和高空间分辨率。然而，对于许多病情发作的对象，定性MRI都无法显示。

在患有医学顽固性癫痫的对象中，如果能够定位病情发作病灶，那么去除局部病情发作病灶的手术能够治愈癫痫。当无法以其他方式(例如使用定性MRI)定位病情发作源时，能够采集脑电图(EEG)。EEG信号提供关于脑中的放电的重要信息，但是缺乏常规的MRI的三维细节和高空间分辨率。

EEG电极被放置在头上以记录诸如脑区域的激活之类的动作电位。能够将记录的动作电位的聚类以二维形式标绘为脑网络激活图。但是，二维脑网络激活图不提供与特定于疾病的解剖结构有关的空间信息。也就是说，脑电图能够用于有效监测病情发作的电活动，但是缺乏对象的特定于疾病的解剖(空间)信息。

当前，能够使用高级商业软件平台将EEG与多模态数据集结合。多模态数据集包括例如T1。用于将EEG与这种多模态数据集结合的高级商业软件平台的示例是如在网址为compumedicsneuroscan.com/curry-epilepsy-evaluation的线上内容所述的CURRY。CURRY为EEG信号在三维空间中的空间定位提供了通用框架。然而，CURRY和其他平台并未解决例如在特定脑区域的背景下的EEG传播或三维EEG的问题，更不用说在特定脑区域的背景下的三维EEG传播的问题。而是，这种高级商业软件平台的作用仅限于利用MRI来识别三维空间中可能被覆盖的或可能未被覆盖的EEG峰。

附图说明

当将以下详细描述与附图一起阅读时，将最佳地理解示例性实施例。需要强调的是，各种特征不一定是按比例绘制的。实际上，为了进行清楚的讨论，可以任意增大或减小尺寸。在适用和实用的地方，相同的附图标记表示相同的元件。

图1是根据本公开内容的代表性实施例的用于利用MRI融合EEG模型进行病情发作表征的过程的视图。

图2是根据本公开内容的代表性实施例的用于利用MRI融合EEG模型进行病情发作表征的另一过程的视图。

图3是根据本公开内容的代表性实施例的用于利用MRI融合EEG模型进行病情发作表征的MRI系统的视图。

图4A是根据本公开内容的代表性实施例的围绕脑放置的用于利用MRI融合EEG模型进行病情发作表征的EEG电极的视图。

图4B是根据本公开内容的代表性实施例的基于使用图4A中的EEG电极而识别的动作电位的三维聚类的视图。

图5是根据本公开内容的代表性实施例的经分割的MRI体积中的皮质组织类别和皮质下组织类别的视图。

图6是根据本公开内容的代表性实施例的用于利用MRI融合EEG模型来实施病情发作表征的通用计算机的视图。

图7是根据本公开内容的代表性实施例的用于利用MRI融合EEG模型进行病情发作表征的流程时间线和数据流的视图。

图8是根据本公开内容的代表性实施例的使用利用MRI融合EEG模型进行病情发作表征所建模的、通过对象的头/脑的病情发作传播路径的视图。