基于深度先验与深度加权的电流源定位
信号处理
2022-03-29 v1 计算机视觉与模式识别
机器学习
神经元与认知
摘要
本文提出一种新颖的基于深度先验（Deep Prior）的神经元电流源定位方法，其利用卷积网络表示更复杂的电流源先验分布。深度先验已被提出作为一种无监督学习方法，无需使用训练数据进行学习，随机初始化的神经网络被用于根据单次观测更新源位置。在我们之前的工作中，已提出一种基于 Deep Prior 的脑内电流源定位方法，但其性能几乎与 sLORETA 等传统方法无异。为改进基于 Deep Prior 的方法，本文为 Deep Prior 引入了电流源的深度权重，其中深度加权相当于对浅层电流施加更大惩罚。其有效性通过模拟 MEG 数据上的电流源估计实验得到确认。
引用
@article{arxiv.2203.13981,
title = {Current Source Localization Using Deep Prior with Depth Weighting},
author = {Rio Yamana and Hajime Yano and Ryoichi Takashima and Tetsuya Takiguchi and Seiji Nakagawa},
journal= {arXiv preprint arXiv:2203.13981},
year = {2022}
}