基于促进结构化稀疏的贝叶斯模型的EEG重建与颅骨电导率估计
统计方法学
2017-01-06 v2 应用统计
摘要
M/EEG 源定位是一个开放的研究问题。为解决该问题，了解若干物理参数以构建可靠的头部算子十分重要。其中，人类颅骨的电导率值一直存在争议。本报告引入了一种新颖的层次贝叶斯框架，以从 M/EEG 测量中联合估计颅骨电导率与大脑活动，从而改善重建质量。使用部分坍缩吉布斯采样器抽取渐近服从相应后验分布的样本。随后生成的样本用于在完全无监督框架中联合估计大脑活动和模型超参数。我们使用合成与真实数据来说明重建的改进。我们方法的性能还与 Vallagh\'e \textit{et al.} 和 Gutierrez \textit{et al.} 分别提出的两种优化算法进行了比较，表明我们的方法能够提供相似或更好质量的结果，同时适用于更广泛的情况。
引用
@article{arxiv.1609.06874,
title = {EEG reconstruction and skull conductivity estimation using a Bayesian model promoting structured sparsity},
author = {Facundo Costa and Hadj Batatia and Thomas Oberlin and Jean-Yves Tourneret},
journal= {arXiv preprint arXiv:1609.06874},
year = {2017}
}
备注
Technical report