借助贝叶斯不确定性建模从 EEG 记录中同时实现颅骨电导率与焦点源成像
机器学习
2020-02-04 v1 信号处理
应用统计
机器学习
摘要
脑电图（EEG）源成像问题对受检患者颅骨的电气建模非常敏感。遗憾的是，当前可用的 EEG 设备及其嵌入式软件并未考虑这一点；相反，通常使用基于文献的颅骨电导率参数。在本文中，我们提出一种基于贝叶斯近似误差方法的统计方法来补偿由未知颅骨电导率引起的源成像误差，同时计算实际颅骨电导率值的低阶估计。通过使用对应于焦点源活动的模拟 EEG 数据，我们展示了该方法重建潜在焦点源以及由未知颅骨电导率引起的低阶误差的潜力。随后，估计的误差被用于近似颅骨电导率。结果表明源定位精度有明显改善，并且颅骨电导率估计可行。
引用
@article{arxiv.2002.00066,
title = {Simultaneous Skull Conductivity and Focal Source Imaging from EEG Recordings with the help of Bayesian Uncertainty Modelling},
author = {Alexandra Koulouri and Ville Rimpilainen},
journal= {arXiv preprint arXiv:2002.00066},
year = {2020}
}