一种基于F比估计MEG中活动源数目的方法
信号处理
2023-09-22 v1
摘要
脑磁图（MEG）是研究人脑功能的强有力技术。然而，由于低信噪比（SNR）、相关源的存在、头部建模的不准确以及个体解剖结构的差异，准确估计贡献于 MEG 记录的源数目仍是一项挑战。针对这些问题，本研究引入一种基于 F 比统计方法的鲁棒方法，用于准确估计脑中活动源的数目，该方法允许在具有较多元数的全模型与具有较少元数的简化模型之间进行比较。利用此方法，我们建立了一种形式化统计流程，在多重偶极子定位问题中依次增加源数目直至找到所有源。我们的结果表明，阈值的选取对方法整体性能起关键作用，且适当阈值需依据源数目与 SNR 水平进行调整，而其对于不同源间相关性、建模误差及不同皮层解剖结构则基本保持不变。通过在模拟、真实体模及人脑 MEG 数据中确定最优阈值并验证我们所提基于 F 比的方法，我们证明了该方法优于现有的最先进统计方法，如赤池信息准则（AIC）与最小描述长度（MDL）。总体而言，当调谐至阈值最优选取时，我们的方法为研究者提供了估计真实活动脑源数目并精确建模脑功能的工具。
引用
@article{arxiv.2306.05892,
title = {An F-ratio-Based Method for Estimating the Number of Active Sources in MEG},
author = {Amita Giri and John C. Mosher and Amir Adler and Dimitrios Pantazis},
journal= {arXiv preprint arXiv:2306.05892},
year = {2023}
}