MEG 到 MRI 配准的质量评估

为了对脑磁图（MEG）或脑电图数据进行高精度的源重建，源与传感器的配准必须具有高精度。通常，源空间由磁共振成像（MRI）导出。然而，在大多数情况下，未报告传感器到 MRI 配准的质量评估。即便有，通常也仅提供点残差的均方根（RMS）。但已有研究表明，残差的 RMS 与配准误差不相关。我们建议使用目标配准误差（TRE）作为传感器到 MRI 配准质量的判据。TRE 衡量了所有感兴趣点上配准不确定性的影响。本研究分析了来自单一 MEG 实验室的共 5544 个传感器到头部数据集和 128 个头部到 MRI 配准。采用自适应 Metropolis 算法估计最优配准并采样配准参数（旋转与平移）。我们发现头部表面处的平均 TRE 介于 1.3 至 2.3 mm 之间。此外，我们观察到 Metropolis 与迭代最近点算法在配准参数上的平均绝对差异为 (1.9 $\pm$ 1.5){\deg} 和 (1.1 $\pm$ 0.9) mm。配对样本 t 检验表明，使用 Metropolis 算法在目标函数最小化上有显著改善。采样所得参数允许在 MRI 体积的全部网格上计算 TRE。因此，我们推荐将 Metropolis 算法用于头部到 MRI 配准。