基于同步 EEG-fMRI 转码的潜在神经源恢复
机器学习
2020-10-06 v1 信号处理
神经元与认知
摘要
同步 EEG-fMRI 是一种多模态神经成像技术，为推断神经活动的潜在源空间提供互补的空间和时间分辨率。本文中我们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），然后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。该方法无需血流动力学响应函数或导联场矩阵的先验知识，利用模态与潜在源空间之间的时空关系来学习这些映射。对于真实 EEG-fMRI 数据，我们展示了模态间相互转码的效果以及所恢复的源空间，均在未见过的数据上。除了实现对称推断潜在源空间的新方式外，该方法也可视为低成本计算神经成像——即由“低成本”EEG 数据生成“昂贵”的 fMRI BOLD 图像。
引用
@article{arxiv.2010.02167,
title = {Latent neural source recovery via transcoding of simultaneous EEG-fMRI},
author = {Xueqing Liu and Linbi Hong and Paul Sajda},
journal= {arXiv preprint arXiv:2010.02167},
year = {2020}
}