İnsan beynindeki aktif nöron topluluklarında oluşan hücre içi elektrik akımların elektrik ve manyetik ölçümlerle elde edilen görüntülerine elektro-manyetik kaynak görüntüleri (EMKG) denir. Teknolojideki ilerlemeler sayesinde artık yüksek sayıda manyetik algılayıcı ve elektrot kullanan sistemler kullanılabilmektedir. Yüksek çözünürlüklü görüntüler elde edebilmek için veri sayısının artmasının yanı sıra kafanın gerçek geometrisini ve elektriksel özelliklerini kullanan sayısal modellerinde geliştirilmesi gerekir. Bu projede ileri problem çözümleri için kullanılan Sonlu Elemanlar ve Sınır Elemanı yöntemleri için yeni formülasyonlar türetilmiştir. Bu yöntemler insan kafasının hem geometrisini hem de elektriksel özelliklerini dikkate almaktadır. Formülasyonların doğruluğu küresel kafa modeli içine yerleştirilmiş teğet dipoller için test edilmiştir. Her yöntem için yaklaşık aynı sayıda düğüm kullanarak göreli fark ölçütleri (RDM) hesaplanmıştır. Ortalama (her yüzeyde yaklaşık 1000) düğüm sayısı için elde edilen RDM değerleri % l civarındadır. Gerçekçi modellerde ileri problemin çözümü için bilgisayar ağındaki PC'lerin paralel bir ortamda birleştirilmesi düşünülmüş ve gerçekleştirilen yazılımlarda anlamlı hızlanma değerleri elde edilmiştir. 2 işlemcili konfigürasyonda ulaşılan hızlanma değeri ideal hızlanma değeri olan 2.0'a çok yakındır. 4 işlemcide ise düğüm sayısı arttıkça hızlanma artmaktadır (14993 düğümlü bir ağ için elde edilen hızlanma değeri 2.8'dir). MR görüntülerinden kafa derisi, kafatası ve beyin dokularının bölütlenmesi için yarı-otomatik bir algoritma önerilmiştir. Gerçekçi kafa modelleri yaratılmış ve örnek bir dipol pozisyonu için alan çözümleri elde edilmiştir. Geri problem çözüm yöntemleri analiz edilmiş ve benzetim çalışmaları yapılmıştır. Varolan yöntemlere alternatif bir yöntem (korteks geometrisi ile sınırlı doğrusal)lmayan yöntemler) önerilmiş ve benzetimlerde daha üstün sonuçlar elde edilmiştir. Bu algoritma izerindeki çalışmalara devam edilecektir. Bu projede elektro-manyetik kaynak görüntülemesinin jaşitli yönleri çalışılmıştır. Geliştirilen yöntemler gelecekte gerçekçi veriler ve kafa modelleri ile rygulanacak geri problem çözümleri için sağlam bir temel oluşturmaktadır.