一种用于脑源定位的贝叶斯粒子滤波方法

本文利用脑磁图（MEG）数据，探讨大脑皮层中的多源定位问题。我们将神经电流建模为随时间动态演化的点状偶极子源，随后采用概率状态空间模型对偶极子动力学进行建模，其中偶极子位置被严格约束在大脑皮层内。基于所提出的模型，我们开发了一种贝叶斯粒子滤波算法，用于已知和未知数量偶极子的定位。该算法包含一个用于初始偶极子数量估计的感兴趣区域（ROI）估计步骤、一个用于单个偶极子状态估计的吉布斯多重粒子滤波（GMPF）步骤，以及一个用于选择最终估计结果的选择准则步骤。ROI估计的结果被用于自适应调整粒子滤波的样本量，以降低总体计算成本。所提出的模型和算法在数值实验中进行了测试，并与现有的粒子滤波方法进行了结果比较。数值结果表明，所提出的方法在偶极子数量估计和偶极子定位方面均能实现性能指标的提升。