基于有限元法的脑电源成像中正反演相互作用：高级源模型与反演求解器的分布特征
数值分析
2026-04-29 v3 数值分析
摘要
脑电图（EEG）源成像旨在从头皮测量的电位推断大脑活动。这是一个困难的问题，因为许多不同的源模式可以解释相同的测量结果。结果强烈依赖于两个方面：正演模型和反演方法。在这项工作中，我们研究这两个部分如何协同工作。我们不仅关注活动的位置，还关注重建的活动在空间中的分布方式。我们认为不同的源模型会在重建的活动中产生不同的特征。我们使用真实头模型，并利用 Zeffiro Interface 和 DUNEuro 通过有限元方法计算正演解。我们测试了不同的源模型，包括散度协调模型的两种实现，以及局部减法方法的一种实现。对于反演方法，我们使用高级方法，如标准化分层自适应 L1 回归（SHAL1R）、标准化卡尔曼滤波（SKF）和经典的偶极子扫描。为了理解正演和反演方法之间复杂的相互作用，我们使用分布定量度量（包括推土机距离和深度偏差散点图）分析源定位结果，并定性评估振幅分布和聚焦性。结果表明，源模型的选择与给定反演方法的成功率之间存在很强的依赖性：与单点状源良好对应的源模型，与预设此类源的反演方法匹配良好。
引用
@article{arxiv.2604.20448,
title = {Forward--Inverse Interplay in FEM-Based EEG Source Imaging: Distributional Signatures of Advanced Source Models and Inverse Solvers},
author = {Santtu Söderholm and Joonas Lahtinen and Sampsa Pursiainen},
journal= {arXiv preprint arXiv:2604.20448},
year = {2026}
}
备注
6 pages, 5 figures, submitted to conference IEEE MetroXRAINE 2026, Copyright (c) 2026 IEEE, slightly shortened version of paper with copyright notice to conform to IEEE 6-page restriction