Magnetoencephalography (MEG) is a noninvasive brain signal acquisition technique that provides excellent temporal resolution and a whole-head coverage allowing the spatial mapping of sources. These characteristics make MEG an appropriate technique to localize the epileptogenic zone (EZ) in the preoperative evaluation of refractory epilepsy. Presurgical evaluation with MEG can guide the placement of intracranial EEG (iEEG), the current gold standard in the clinical practice, and even supply sufficient information for a surgical intervention without invasive recordings, reducing invasiveness, discomfort, and cost of the presurgical epilepsy diagnosis. However, MEG signals have low signal-to-noise ratio compared with iEEG and can sometimes be affected by noise that masks or distorts the brain activity. This may prevent the detection of interictal epileptiform discharges (IEDs) and high-frequency oscillations (HFOs), two important biomarkers used in the preoperative evaluation of epilepsy. In this thesis, the reduction of two kinds of interference is aimed to improve the signal-to-noise ratio of MEG signals: metallic artifacts mask the activity of IEDs; and the high-frequency noise, that masks HFO activity. Considering the large number of MEG channels and the long duration of the recordings, reducing noise and marking events manually is a time-consuming task. The algorithms presented in this thesis provide automatic solutions aimed at the reduction of interferences and the detection of HFOs. Firstly, a novel automatic BSS-based algorithm to reduce metallic interference is presented and validated using simulated and real MEG signals. Three methods are tested: AMUSE, a second-order BSS technique; and INFOMAX and FastICA, based on high-order statistics. The automatic detection algorithm exploits the known characteristics of metallic-related interferences. Results indicate that AMUSE performes better when recovering brain activity and allows an effective removal of artifactual components.Secondly, the influence of metallic artifact filtering using the developed algorithm is evaluated in the source localization of IEDs in patients with refractory focal epilepsy. A comparison between the resulting positions of equivalent current dipoles (ECDs) produced by IEDs is performed: without removing metallic interference, rejecting only channels with large metallic artifacts, and after BSS-based reduction. The results show that a significant reduction on dispersion is achieved using the BSS-based reduction procedure, yielding feasible locations of ECDs in contrast to the other approaches. Finally, an algorithm for the automatic detection of epileptic ripples in MEG using beamformer-based virtual sensors is developed. The automatic detection of ripples is performed using a two-stage approach. In the first step, beamforming is applied to the whole head to determine a region of interest. In the second step, the automatic detection of ripples is performed using the time-frequency characteristics of these oscillations. The performance of the algorithm is evaluated using simultaneous intracranial EEG recordings as gold standard.The novel approaches developed in this thesis allow an improved noninvasive detection and localization of interictal epileptic biomarkers, which can help in the delimitation of the epileptogenic zone and guide the placement of intracranial electrodes, or even to determine these areas without additional invasive recordings. As a consequence of this improved detection, and given that interictal biomarkers are much more frequent and easy to record than ictal episodes, the presurgical evaluation process can be more comfortable for the patient and in a more economic way.
La magnetoencefalografía (MEG) es una técnica no invasiva de adquisición de señales cerebrales que proporciona una excelente resolución temporal y una cobertura total de la cabeza, permitiendo el mapeo espacial de las fuentes cerebrales. Estas características hacen del MEG una técnica apropiada para localizar la zona epileptogénica (EZ) en la evaluación preoperatoria de la epilepsia refractaria. La evaluación prequirúrgica con MEG puede orientar la colocación del EEG intracraneal (iEEG), el actual modelo de referencia en la práctica clínica, e incluso suministrar información suficiente para una intervención quirúrgica sin registros invasivos; reduciendo la invasividad, la incomodidad y el costo del diagnóstico de la epilepsia prequirúrgica. Sin embargo, las señales MEG tienen baja relación señal ruido en comparación con el iEEG pudiendo imposibilitar la detección de descargas epileptiformes interictales (IEDs) y oscilaciones de alta frecuencia (HFOs), dos importantes biomarcadores utilizados en la evaluación preoperatoria de la epilepsia.En esta tesis, la reducción de dos tipos de interferencia está dirigida a mejorar la relación señal-ruido de la señal MEG: los artefactos metálicos que enmascaran la actividad de las IEDs; y el ruido de alta frecuencia, que enmascara la actividad de las HFOs. Debido al gran número de canales MEG y la larga duración de los registros, tanto reducir el ruido como seleccionar los biomarcadores manualmente es una tarea que consume mucho tiempo. Los algoritmos presentados en esta tesis aportan soluciones automáticas dirigidas a la reducción de interferencias y la detección de HFOs. En primer lugar, se presenta y valida un nuevo algoritmo automático basado en BSS para reducir interferencias metálicas mediante señales simuladas y reales. Se prueban tres métodos: AMUSE, una técnica BSS de segundo orden; y INFOMAX y FastICA, basados en estadísticos de orden superior. El algoritmo de detección automático utiliza las características conocidas de la señal producida por la interferencia metálica. Los resultados indican que AMUSE recupera mejor la actividad cerebral y permite una eliminación efectiva de componentes artefactuales.Posteriormente, se evalúa la influencia del filtrado de artefactos metálicos en la localización de IEDs en pacientes con epilepsia focal refractaria. Se realiza una comparación entre las posiciones resultantes de dipolos de corriente equivalentes (ECDs) producidos por IEDs: sin eliminar interferencias metálicas, rechazando solamente canales con elevados artefactos metálicos y, por último, después de una reducción utilizando el algoritmo BSS desarrollado. Los resultados muestran que se logra una reducción significativa en la dispersión utilizando el procedimiento de reducción basado en BSS, lo que produce ubicaciones factibles de los dipolos en contraste con los otros enfoques.En segundo lugar, se desarrolla un algoritmo para la detección automática ripples epilépticos en MEG utilizando sensores virtuales basados en la técnica de beamformer. La detección de ripples se realiza mediante un enfoque en dos etapas. Primero, se determina el área de interés usando beamformer. Posteriormente, se realiza la detección automática de ripples utilizando las características en tiempo-frecuencia. El rendimiento del algoritmo se evalúa utilizando registros iEEG simultáneos.Los nuevos enfoques desarrollados en esta tesis permiten una detección no invasiva mejor de los biomarcadores interictales, que pueden ayudar a delimitar la zona epileptogénica y guiar la colocación de electrodos intracraneales, o incluso determinar estas áreas sin este tipo de registros. Como consecuencia de esta mejora en la detección, y dado que los biomarcadores interictales son mucho más frecuentes y fáciles de registrar que los episodios ictales, la evaluación prequirúrgica puede ser más cómoda y menos costosa para el paciente.
