為精確定位術中硬膜下矩陣式電極的圖像坐標和序號，本文提出一種圖像處理的矩陣式電極定位聯合算法。采用電極逐點擴展定位算法，向上下左右逐點擴展，確定各個電極初始坐標和序號；采用單電極坐標區域提取算法，確定各個電極最佳坐標，從而逐點定位所有電極的圖像坐標和序號。本文研究結果表明，電極序號定位準確率達 100%，電極坐標定位誤差小于 2 mm。本文研究的算法可以精確定位呈弧形排列的矩陣式電極圖像坐標和序號，從而輔助繪制大腦皮層功能映射圖，實現術中腦功能區精確定位，因此今后或可廣泛應用于基于皮質腦電信號分析的神經系統科學研究和應用。
引用本文： 姜濤, 胡歡, 符瓊琳, 白紅民. 術中矩陣式電極的精確定位研究. 生物醫學工程學雜志, 2017, 34(6): 958-962. doi: 10.7507/1001-5515.201608030 復制
引言
依據人體生物電原理和神經系統反射弧原理，基于皮質腦電（electrocorticogram, ECoG）分析的術中腦功能定位被廣泛應用于神經系統的科學研究和臨床應用。其中，繪制大腦皮層的功能映射圖是研究術中腦功能定位的最有效手段。首先在大腦顱內植入硬膜下矩陣式電極，拍攝術中矩陣式電極圖片，并采集各種腦功能活動的皮質腦電信號[1-2]；然后通過建模、分析各個電極特異性腦電信號的腦功能區屬性，同時識別定位硬膜下矩陣式電極的圖像坐標和序號[3-5]；最后繪制各個腦功能區的功能映射圖，從而精確定位各個腦功能區邊界。
其中，硬膜下矩陣式電極的圖像坐標和序號定位方法是必不可少的關鍵技術。其主要方法包括：術前功能磁共振（magnetic resonance imaging, MRI）圖像法[6]、術后電阻抗斷層成像（electrical impedance tomographh, EIT）圖像法[7-8]，或者磁共振成像-電子計算機斷層掃描成像（MRI-computed tomography, MRI-CT）法[9-10]等，但這些方法不能實現術中的硬膜下矩陣式電極的圖像坐標識別定位。另外，針對術中矩陣式電極識別定位技術，梁威等[11]提出一種“無接觸式圖像處理”的新方法，能使 80% 的電極圖像坐標定位精度達到要求。但目前的方法還不能精確定位呈弧形排列的圖像畸變電極坐標，且不能正確地自動添加電極序號，不能滿足科學研究和臨床應用的要求。
因此，為精確定位術中硬膜下矩陣式電極的圖像坐標和序號，本文提出一種圖像處理的矩陣式電極定位聯合算法。采用電極逐點擴展定位算法，向上下左右逐點擴展，確定各個電極的初始坐標和序號；然后采用單電極坐標區域提取算法，通過直方圖分析法、質心法、區域生長法，確定各個電極的最佳坐標，從而逐點定位所有電極的圖像坐標和序號。本文研究結果表明，該聯合算法的電極序號定位正確率可達到 100%，電極坐標定位誤差小于 2 mm。本文研究的算法可以精確定位呈弧形排列的矩陣式電極圖像坐標和序號，從而輔助繪制大腦皮層功能映射圖，達到精確定位各腦功能區邊界的目的，可廣泛應用于基于皮質腦電信號分析的術中腦功能定位等神經系統的科學研究和應用。
1 方法
結合電極逐點擴展定位算法和單電極坐標區域提取算法，構成一種矩陣式電極定位聯合算法。首先拍攝術中矩陣式電極圖片，采用電極逐點擴展定位算法，確定 4 個起始點電極的坐標和序號，向上下左右逐點擴展確定各電極的初始坐標和序號；其次采用單電極坐標區域提取算法，通過直方圖分析法、質心法、區域生長法，確定各個電極的最佳坐標，從而逐點定位所有電極的圖像坐標和序號。
1.1 電極逐點擴展定位算法
首先，確定 4 個起始點電極的坐標和序號；然后向上下左右逐點擴展確定各電極的初始坐標和序號，直至確定圖片中所有電極的初始坐標和序號。擴展方法的原理如圖 1 所示，以 8 × 8 矩陣式電極為例，分為以下 3 個步驟：
圖1
電極逐點擴展定位算法
Figure1.
The point-by-point extended electrode localization algorithm
（1）4 個起始點電極的定位。如圖 1 中紅色字體標記的起始點電極（序號 28、29、36、37），通過鼠標點擊 4 個電極獲取初始坐標和序號。
（2）列電極逐點擴展定位。分別將 4 個起始點電極分成兩列，按照相鄰兩電極坐標和序號擴展定位相鄰下一個電極坐標和序號的方式，分別向上下擴展（如圖 1 中藍色箭頭標記），直至中心兩列的其它電極（如圖 1 中藍色字體標記）的初始坐標和序號都予以定位。
（3）行電極逐點擴展定位。同樣按照相鄰兩電極坐標和序號擴展定位下一電極坐標和序號的方式，分別向左右逐行擴展，如圖 1 中綠色箭頭標記，最終定位出剩余其它電極的初始坐標和序號，如圖 1 中綠色字體標記。
圖2
電極逐點擴展原理
Figure2.
The principle of point-by-point expansion of electrode
行（列）電極逐點擴展定位原理如圖 2 所示。其中，A、B表示已經定位出來的電極，電極A、B 坐標分別為A（x1, y1）、B（x2, y2），序號分別為l1、l2，d為這兩個電極之間的距離；擴展電極C的坐標C（x, y），序號l，其計算公式如下：
 |
1.2 單電極坐標區域提取算法
給定單電極的初始坐標，在單電極的區域內，通過直方圖分析法、質心法、區域生長法，識別定位該電極的最佳坐標，分為以下 4 個步驟：
（1）單電極坐標區域的劃分。該區域呈正方形，以給定單電極的初始坐標為區域中心，以相鄰電極的間距為邊長。如圖 2 所示，其中相鄰間距 d 的值計算公式如下：
 |
（2）圖像分割。首先應將圖像灰度化，然后在單電極坐標區域內采用直方圖分析電極顏色（銀灰色），確定分割閾值，并進行圖像分割。
（3）質心提取。提取上述分割區域中面積最大區域的質心；并以該質心為中心采用區域生長法向周圍擴散，再提取擴散后的區域質心。
（4）確定單電極的最佳坐標。計算單個電極區域中心和區域質心的距離，若小于 d/3，則以單電極的區域質心為電極最佳坐標，否則，以單電極的區域中心為最佳坐標。
1.3 矩陣式電極定位聯合算法
結合上述電極逐點擴展定位算法和單電極坐標區域提取算法，構成一種矩陣式電極定位聯合算法，逐點定位所有電極的圖像坐標和序號。過程分為以下 3 個步驟：
（1）起始點電極的定位。拍攝術中矩陣式電極圖片，確定 4 個起始點電極的坐標和序號；然后通過單電極坐標的區域提取算法，優化確定起始點的最佳電極坐標和序號。
（2）擴展電極的定位。以起始點電極坐標和序號為起點，通過電極逐點擴展定位算法確定相鄰行（列）擴展電極的初始坐標和序號；然后通過單電極坐標的區域提取算法，優化確定相鄰行（列）擴展電極的最佳坐標和序號。
（3）重復上述步驟（2），向上下左右逐點擴展定位所有行（列）電極的坐標和序號。
2 試驗與結果
2.1 試驗對象
本研究中采用的術中硬膜下矩陣式電極圖片來源于廣州軍區廣州總醫院的神經外科手術對象 S1，試驗得到廣州軍區廣州總醫院醫學倫理委員會的批準。
2.2 試驗結果
拍攝對象 S1 的術中硬膜下矩陣式電極圖片，采用上述矩陣式電極定位聯合算法，識別定位矩陣式電極的圖像坐標和序號。電極定位圖片如圖 3 所示，電極坐標定位數據如表 1 所示。
圖3
電極定位圖片
Figure3.
The picture of electrode positioning
2.2.1 電極定位圖片
如圖 3 所示，左邊是電極定位前圖片。其中，硬膜下矩陣式電極由 2 個 4 × 8 矩陣式電極構成一個 8 × 8 矩陣式電極，電極直徑為 4 mm，電極間距為 10 mm，從左至右、從上到下電極序號依次為 1～64 號。多個矩陣式電極的排列呈現明顯的弧度，電極矩陣邊緣上的多個電極埋藏在硬膜下，一些電極圖像模糊，顏色、大小不一致。
如圖 3 所示，右邊是電極定位后圖片。其中，白色的方框代表鼠標點擊定位的起始點電極（序號 28、29、36、37）；綠色的方框表示定位的擴展電極，其最佳電極坐標為電極區域質心；填充黃色的表示定位的擴展電極，其最佳電極坐標為電極區域中心確定。
通過人工視覺方式精確定位各個電極的坐標中心，獲取電極坐標和序號的實測值，以此為金標準。與金標準對比，圖 3 的 1～64 號電極序號定位全部正確，準確率達到 100%。
2.2.2 電極坐標定位數據
如圖 3 所示的 1～64 號電極坐標定位數據記錄如表 1 所示。其中，坐標原點為左上角頂點，坐標單位為像素點（pix，像素點間距 0.2 mm）。誤差計算結果如表 1 所示，其中 7、8、41、49、56、57、58、64 號硬膜下埋藏電極無實測值，因此無法計算誤差，不參與誤差計算。
表1
電極坐標定位數據
Table1.
The electrode coordinate localization data
電極坐標的定位平均誤差：1.319 mm。其中，最小誤差：0.448 mm，最大誤差： 1.844 mm。因此，考慮一定冗余度，電極坐標定位誤差小于 2 mm（硬膜下埋藏電極除外），即電極坐標定位的空間分辨率誤差小于 2 mm。
綜上所述，依據如圖 3、表 1 所示的結果分析，本文試驗結果如下：
（1）硬膜下矩陣式電極圖片的 1～64 號電極坐標和序號全部被識別定位。其電極序號定位準確率達到 100%，電極坐標定位誤差小于 2 mm（硬膜下埋藏電極除外）。
（2）電極矩陣邊緣上的 7、8、41、49、56、57、58、64 號電極被硬膜覆蓋，其電極坐標和序號也被“虛擬定位”出來。
（3）多個矩陣式電極的列（序號 1～8，序號 9～16，序號 17～24，序號 25～32，序號 33～40）呈現明顯的弧度，其電極坐標和序號也被準確定位。
3 討論和分析
目前，術中硬膜下矩陣式電極定位的圖像處理技術普遍存在以下困難，亟待解決：
（1）由于手術條件限制，實際的術中硬膜下矩陣式電極圖片，如圖 3 所示，存在以下問題：光照不均導致電極圖像模糊，各電極顏色不一致；二維圖像拍攝角度導致電極形狀發生扭曲，各電極大小不一等。因此，矩陣式電極的精確識別和坐標定位算法設計具有一定困難。
（2）矩陣式電極放置在球形大腦皮質上，導致矩陣式電極圖片的多個行列呈現明顯的弧度，如圖 3 所示。因此，電極的準確定位排序（添加序號）算法設計不易。
（3）在術中腦功能定位中構造大腦功能映射圖，必須定位出所有電極的圖像坐標和序號。但電極矩陣邊緣上的多個電極埋藏在硬膜下，如圖 3 所示，埋藏在硬膜下的電極沒有圖像特征，因此常用的圖像算法無法識別定位其圖像坐標和序號，也就無法精確構造大腦功能映射圖。
針對上述問題，本研究結合單電極坐標區域提取算法和電極逐點擴展定位算法，用逐點擴展定位的思路，提出一種矩陣式電極逐點定位聯合算法。通過試驗，結果顯示電極序號定位正確率達到 100%，電極坐標定位誤差小于 2 mm（硬膜下埋藏電極除外），并準確定位硬膜下埋藏電極和呈弧度排列的電極坐標和序號。可以有效解決前述問題。分析原因如下：
首先，本研究采用單電極坐標區域提取算法的區域劃分法。將多個電極一次定位變成單個電極的多次定位，使問題簡單化，降低電極識別算法的難度，從而提高電極識別的精確度，保證了電極坐標定位的精確度。
其次，本研究采用單電極坐標區域提取算法的區域生長法。提取圖片分割區域的質心，并以該質心為起點采用區域生長法向周圍擴散，再提取擴散后區域的質心。可以校正電極坐標的誤差，提高電極坐標定位的精確度。
最后，本研究采用電極逐點擴展定位算法。按照相鄰兩電極坐標和序號擴展定位下一個電極坐標和序號的方式，不僅能精確定位呈弧形排列的矩陣式電極圖像坐標和序號，同時也能“虛擬定位”埋藏在硬膜下的電極圖像坐標和序號。
綜上所述，本文提出了一種矩陣式電極定位聯合算法，通過采用電極逐點擴展定位算法，向上下左右逐點擴展，以確定各個電極初始坐標和序號；然后采用單電極坐標區域提取算法，確定各個電極最佳坐標，從而逐點定位所有電極的圖像坐標和序號。結果表明，該聯合算法性能優良，電極序號定位準確率達到 100%，電極坐標定位誤差小于 2 mm（硬膜下埋藏電極除外）；不僅能精確定位呈弧形排列的矩陣式電極圖像坐標和序號，同時也能“虛擬定位”埋藏在硬膜下的電極圖像坐標和序號，從而輔助繪制大腦皮層功能映射圖，精確定位各腦功能區邊界，今后期待其可進一步廣泛應用于基于皮質腦電信號分析的腦功能定位等神經系統科學研究和應用。
引言
依據人體生物電原理和神經系統反射弧原理，基于皮質腦電（electrocorticogram, ECoG）分析的術中腦功能定位被廣泛應用于神經系統的科學研究和臨床應用。其中，繪制大腦皮層的功能映射圖是研究術中腦功能定位的最有效手段。首先在大腦顱內植入硬膜下矩陣式電極，拍攝術中矩陣式電極圖片，并采集各種腦功能活動的皮質腦電信號[1-2]；然后通過建模、分析各個電極特異性腦電信號的腦功能區屬性，同時識別定位硬膜下矩陣式電極的圖像坐標和序號[3-5]；最后繪制各個腦功能區的功能映射圖，從而精確定位各個腦功能區邊界。
其中，硬膜下矩陣式電極的圖像坐標和序號定位方法是必不可少的關鍵技術。其主要方法包括：術前功能磁共振（magnetic resonance imaging, MRI）圖像法[6]、術后電阻抗斷層成像（electrical impedance tomographh, EIT）圖像法[7-8]，或者磁共振成像-電子計算機斷層掃描成像（MRI-computed tomography, MRI-CT）法[9-10]等，但這些方法不能實現術中的硬膜下矩陣式電極的圖像坐標識別定位。另外，針對術中矩陣式電極識別定位技術，梁威等[11]提出一種“無接觸式圖像處理”的新方法，能使 80% 的電極圖像坐標定位精度達到要求。但目前的方法還不能精確定位呈弧形排列的圖像畸變電極坐標，且不能正確地自動添加電極序號，不能滿足科學研究和臨床應用的要求。
因此，為精確定位術中硬膜下矩陣式電極的圖像坐標和序號，本文提出一種圖像處理的矩陣式電極定位聯合算法。采用電極逐點擴展定位算法，向上下左右逐點擴展，確定各個電極的初始坐標和序號；然后采用單電極坐標區域提取算法，通過直方圖分析法、質心法、區域生長法，確定各個電極的最佳坐標，從而逐點定位所有電極的圖像坐標和序號。本文研究結果表明，該聯合算法的電極序號定位正確率可達到 100%，電極坐標定位誤差小于 2 mm。本文研究的算法可以精確定位呈弧形排列的矩陣式電極圖像坐標和序號，從而輔助繪制大腦皮層功能映射圖，達到精確定位各腦功能區邊界的目的，可廣泛應用于基于皮質腦電信號分析的術中腦功能定位等神經系統的科學研究和應用。
1 方法
結合電極逐點擴展定位算法和單電極坐標區域提取算法，構成一種矩陣式電極定位聯合算法。首先拍攝術中矩陣式電極圖片，采用電極逐點擴展定位算法，確定 4 個起始點電極的坐標和序號，向上下左右逐點擴展確定各電極的初始坐標和序號；其次采用單電極坐標區域提取算法，通過直方圖分析法、質心法、區域生長法，確定各個電極的最佳坐標，從而逐點定位所有電極的圖像坐標和序號。
1.1 電極逐點擴展定位算法
首先，確定 4 個起始點電極的坐標和序號；然后向上下左右逐點擴展確定各電極的初始坐標和序號，直至確定圖片中所有電極的初始坐標和序號。擴展方法的原理如圖 1 所示，以 8 × 8 矩陣式電極為例，分為以下 3 個步驟：
圖1
電極逐點擴展定位算法
Figure1.
The point-by-point extended electrode localization algorithm
（1）4 個起始點電極的定位。如圖 1 中紅色字體標記的起始點電極（序號 28、29、36、37），通過鼠標點擊 4 個電極獲取初始坐標和序號。
（2）列電極逐點擴展定位。分別將 4 個起始點電極分成兩列，按照相鄰兩電極坐標和序號擴展定位相鄰下一個電極坐標和序號的方式，分別向上下擴展（如圖 1 中藍色箭頭標記），直至中心兩列的其它電極（如圖 1 中藍色字體標記）的初始坐標和序號都予以定位。
（3）行電極逐點擴展定位。同樣按照相鄰兩電極坐標和序號擴展定位下一電極坐標和序號的方式，分別向左右逐行擴展，如圖 1 中綠色箭頭標記，最終定位出剩余其它電極的初始坐標和序號，如圖 1 中綠色字體標記。
圖2
電極逐點擴展原理
Figure2.
The principle of point-by-point expansion of electrode
行（列）電極逐點擴展定位原理如圖 2 所示。其中，A、B表示已經定位出來的電極，電極A、B 坐標分別為A（x1, y1）、B（x2, y2），序號分別為l1、l2，d為這兩個電極之間的距離；擴展電極C的坐標C（x, y），序號l，其計算公式如下：
|
1.2 單電極坐標區域提取算法
給定單電極的初始坐標，在單電極的區域內，通過直方圖分析法、質心法、區域生長法，識別定位該電極的最佳坐標，分為以下 4 個步驟：
（1）單電極坐標區域的劃分。該區域呈正方形，以給定單電極的初始坐標為區域中心，以相鄰電極的間距為邊長。如圖 2 所示，其中相鄰間距 d 的值計算公式如下：
|
（2）圖像分割。首先應將圖像灰度化，然后在單電極坐標區域內采用直方圖分析電極顏色（銀灰色），確定分割閾值，并進行圖像分割。
（3）質心提取。提取上述分割區域中面積最大區域的質心；并以該質心為中心采用區域生長法向周圍擴散，再提取擴散后的區域質心。
（4）確定單電極的最佳坐標。計算單個電極區域中心和區域質心的距離，若小于 d/3，則以單電極的區域質心為電極最佳坐標，否則，以單電極的區域中心為最佳坐標。
1.3 矩陣式電極定位聯合算法
結合上述電極逐點擴展定位算法和單電極坐標區域提取算法，構成一種矩陣式電極定位聯合算法，逐點定位所有電極的圖像坐標和序號。過程分為以下 3 個步驟：
（1）起始點電極的定位。拍攝術中矩陣式電極圖片，確定 4 個起始點電極的坐標和序號；然后通過單電極坐標的區域提取算法，優化確定起始點的最佳電極坐標和序號。
（2）擴展電極的定位。以起始點電極坐標和序號為起點，通過電極逐點擴展定位算法確定相鄰行（列）擴展電極的初始坐標和序號；然后通過單電極坐標的區域提取算法，優化確定相鄰行（列）擴展電極的最佳坐標和序號。
（3）重復上述步驟（2），向上下左右逐點擴展定位所有行（列）電極的坐標和序號。
2 試驗與結果
2.1 試驗對象
本研究中采用的術中硬膜下矩陣式電極圖片來源于廣州軍區廣州總醫院的神經外科手術對象 S1，試驗得到廣州軍區廣州總醫院醫學倫理委員會的批準。
2.2 試驗結果
拍攝對象 S1 的術中硬膜下矩陣式電極圖片，采用上述矩陣式電極定位聯合算法，識別定位矩陣式電極的圖像坐標和序號。電極定位圖片如圖 3 所示，電極坐標定位數據如表 1 所示。
圖3
電極定位圖片
Figure3.
The picture of electrode positioning
2.2.1 電極定位圖片
如圖 3 所示，左邊是電極定位前圖片。其中，硬膜下矩陣式電極由 2 個 4 × 8 矩陣式電極構成一個 8 × 8 矩陣式電極，電極直徑為 4 mm，電極間距為 10 mm，從左至右、從上到下電極序號依次為 1～64 號。多個矩陣式電極的排列呈現明顯的弧度，電極矩陣邊緣上的多個電極埋藏在硬膜下，一些電極圖像模糊，顏色、大小不一致。
如圖 3 所示，右邊是電極定位后圖片。其中，白色的方框代表鼠標點擊定位的起始點電極（序號 28、29、36、37）；綠色的方框表示定位的擴展電極，其最佳電極坐標為電極區域質心；填充黃色的表示定位的擴展電極，其最佳電極坐標為電極區域中心確定。
通過人工視覺方式精確定位各個電極的坐標中心，獲取電極坐標和序號的實測值，以此為金標準。與金標準對比，圖 3 的 1～64 號電極序號定位全部正確，準確率達到 100%。
2.2.2 電極坐標定位數據
如圖 3 所示的 1～64 號電極坐標定位數據記錄如表 1 所示。其中，坐標原點為左上角頂點，坐標單位為像素點（pix，像素點間距 0.2 mm）。誤差計算結果如表 1 所示，其中 7、8、41、49、56、57、58、64 號硬膜下埋藏電極無實測值，因此無法計算誤差，不參與誤差計算。
表1
電極坐標定位數據
Table1.
The electrode coordinate localization data
電極坐標的定位平均誤差：1.319 mm。其中，最小誤差：0.448 mm，最大誤差： 1.844 mm。因此，考慮一定冗余度，電極坐標定位誤差小于 2 mm（硬膜下埋藏電極除外），即電極坐標定位的空間分辨率誤差小于 2 mm。
綜上所述，依據如圖 3、表 1 所示的結果分析，本文試驗結果如下：
（1）硬膜下矩陣式電極圖片的 1～64 號電極坐標和序號全部被識別定位。其電極序號定位準確率達到 100%，電極坐標定位誤差小于 2 mm（硬膜下埋藏電極除外）。
（2）電極矩陣邊緣上的 7、8、41、49、56、57、58、64 號電極被硬膜覆蓋，其電極坐標和序號也被“虛擬定位”出來。
（3）多個矩陣式電極的列（序號 1～8，序號 9～16，序號 17～24，序號 25～32，序號 33～40）呈現明顯的弧度，其電極坐標和序號也被準確定位。
3 討論和分析
目前，術中硬膜下矩陣式電極定位的圖像處理技術普遍存在以下困難，亟待解決：
（1）由于手術條件限制，實際的術中硬膜下矩陣式電極圖片，如圖 3 所示，存在以下問題：光照不均導致電極圖像模糊，各電極顏色不一致；二維圖像拍攝角度導致電極形狀發生扭曲，各電極大小不一等。因此，矩陣式電極的精確識別和坐標定位算法設計具有一定困難。
（2）矩陣式電極放置在球形大腦皮質上，導致矩陣式電極圖片的多個行列呈現明顯的弧度，如圖 3 所示。因此，電極的準確定位排序（添加序號）算法設計不易。
（3）在術中腦功能定位中構造大腦功能映射圖，必須定位出所有電極的圖像坐標和序號。但電極矩陣邊緣上的多個電極埋藏在硬膜下，如圖 3 所示，埋藏在硬膜下的電極沒有圖像特征，因此常用的圖像算法無法識別定位其圖像坐標和序號，也就無法精確構造大腦功能映射圖。
針對上述問題，本研究結合單電極坐標區域提取算法和電極逐點擴展定位算法，用逐點擴展定位的思路，提出一種矩陣式電極逐點定位聯合算法。通過試驗，結果顯示電極序號定位正確率達到 100%，電極坐標定位誤差小于 2 mm（硬膜下埋藏電極除外），并準確定位硬膜下埋藏電極和呈弧度排列的電極坐標和序號。可以有效解決前述問題。分析原因如下：
首先，本研究采用單電極坐標區域提取算法的區域劃分法。將多個電極一次定位變成單個電極的多次定位，使問題簡單化，降低電極識別算法的難度，從而提高電極識別的精確度，保證了電極坐標定位的精確度。
其次，本研究采用單電極坐標區域提取算法的區域生長法。提取圖片分割區域的質心，并以該質心為起點采用區域生長法向周圍擴散，再提取擴散后區域的質心。可以校正電極坐標的誤差，提高電極坐標定位的精確度。
最后，本研究采用電極逐點擴展定位算法。按照相鄰兩電極坐標和序號擴展定位下一個電極坐標和序號的方式，不僅能精確定位呈弧形排列的矩陣式電極圖像坐標和序號，同時也能“虛擬定位”埋藏在硬膜下的電極圖像坐標和序號。
綜上所述，本文提出了一種矩陣式電極定位聯合算法，通過采用電極逐點擴展定位算法，向上下左右逐點擴展，以確定各個電極初始坐標和序號；然后采用單電極坐標區域提取算法，確定各個電極最佳坐標，從而逐點定位所有電極的圖像坐標和序號。結果表明，該聯合算法性能優良，電極序號定位準確率達到 100%，電極坐標定位誤差小于 2 mm（硬膜下埋藏電極除外）；不僅能精確定位呈弧形排列的矩陣式電極圖像坐標和序號，同時也能“虛擬定位”埋藏在硬膜下的電極圖像坐標和序號，從而輔助繪制大腦皮層功能映射圖，精確定位各腦功能區邊界，今后期待其可進一步廣泛應用于基于皮質腦電信號分析的腦功能定位等神經系統科學研究和應用。
