基于真实头部模型评估 BSBL 方法在 EEG 源定位中的性能
医学物理
2015-04-28 v1 定量方法
摘要
EEG 中的源定位是一个高维逆问题，其本质严重不适定。幸运的是，稀疏约束在信号稀疏时可帮助解决不适定问题。当信号具有如块结构之类的结构时，考虑块稀疏能产生更好的结果。鉴于稀疏贝叶斯学习是稀疏恢复家族中的重要成员，且在投影矩阵高度相干（EEG 的典型情况）时是更优选择，本文评估了块稀疏贝叶斯学习（BSBL）方法用于 EEG 源定位的性能。EEG 学界已公认脑活动期间激活的是一组偶极子而非单个偶极子，因此块结构对 EEG 是合理的选择。本文中我们采用两种块定义：Brodmann 区与自动解剖标记（AAL），并分析 BSBL 方法对它们的重建性能。实验使用了从 MRI 图像分割获得的真实头部模型。当同时激活的块数为 2 时，BSBL 在无噪声情况下产生小于 5 mm 的总体定位精度。超过 3 个同时激活的块以及噪声的存在显著影响了定位性能。相较于基于 Brodmann 区的块，采用基于 AAL 的块可获得更精确的源定位。
引用
@article{arxiv.1504.06949,
title = {Evaluating the Performance of BSBL Methodology for EEG Source Localization On a Realistic Head Model},
author = {Sajib Saha and Rajib Rana and Ya. I. Nesterets and M. Tahtali and Frank de Hoog and T. E. Gureyev},
journal= {arXiv preprint arXiv:1504.06949},
year = {2015}
}
备注
18 pages, 11 figures, submitted for review in a journal. arXiv admin note: text overlap with arXiv:1501.04621