基于同步采集 EEG 与 fMRI 深度转码推断潜在神经源
神经元与认知
2022-12-06 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
同步 EEG-fMRI 是一种多模态神经成像技术,提供互补的空间与时间分辨率。具有挑战性的是开发有原则且可解释的方法来融合这些模态,特别是能够实现代表神经活动的潜在源空间推断的方法。本文在转码框架内解决该推断问题——从特定编码(模态)映射到解码(潜在源空间),再将潜在源空间编码到另一模态。具体而言,我们开发了一种对称方法,由循环卷积转码器组成,可将 EEG 转码为 fMRI,反之亦然。在无需血流动力学响应函数或导联场矩阵任何先验知识的情况下,该完全数据驱动的方法利用模态与潜在源空间之间的时空关系来学习这些映射。针对模拟与真实 EEG-fMRI 数据,我们量化了模态间相互转码的能力以及所恢复的源空间,均在未见数据上评估。除实现对称推断潜在源空间的新途径外,该方法也可视为低成本计算神经成像——即从'低成本' EEG 数据生成'昂贵'的 fMRI BOLD 图像。
引用
@article{arxiv.2212.02226,
title = {Inferring latent neural sources via deep transcoding of simultaneously acquired EEG and fMRI},
author = {Xueqing Liu and Tao Tu and Paul Sajda},
journal= {arXiv preprint arXiv:2212.02226},
year = {2022}
}