关于 M/EEG 中线性黎曼切空间模型参数的解释
机器学习
2021-08-02 v1 信号处理
摘要
黎曼切空间方法在基于脑磁图（MEG）与脑电图（EEG）的应用（如脑机接口与生物标志物开发）中提供了最先进的性能。一个限制，尤其对生物标志物开发而言相关的，是与成熟的基于成分的方法相比模型可解释性有限。在此，我们提出一种将线性切空间模型参数转换为可解释模式的方法。利用典型假设，我们表明该方法可识别编码目标信号的潜源的真实模式。在模拟与两个真实 MEG 和 EEG 数据集中，我们证明了所提方法的有效性，并研究了当模型假设被违背时的其行为。我们的结果确认黎曼切空间方法对观测间源模式的差异具有鲁棒性。我们发现这一鲁棒性也迁移到了相关模式上。
引用
@article{arxiv.2107.14398,
title = {On the interpretation of linear Riemannian tangent space model parameters in M/EEG},
author = {Reinmar J. Kobler and Jun-Ichiro Hirayama and Lea Hehenberger Catarina Lopes-Dias and Gernot R. Müller-Putz and Motoaki Kawanabe},
journal= {arXiv preprint arXiv:2107.14398},
year = {2021}
}