MEM 方法在电磁神经成像中的时空扩展
机器学习
2018-07-25 v1 机器学习
应用统计
摘要
重新审视了针对 MEG 逆问题的小波均值最大熵（wMEM）方法，并将其扩展以从完整时空数据推断脑活动。由此产生的维度增加通过使用一系列技术加以解决，包括时间与空间降维（分别使用基于小波和空间滤波的降维）、协方差矩阵的 Kronecker 积建模，以及以矩阵形式直接对自由能进行数值操作。这导出一个维度合理的平滑数值优化问题，使用标准方法求解。该方法被应用于 MEG 逆问题。给出并讨论了在基于睡眠 MEG 数据的慢波定位背景下的模拟研究结果。索引术语：MEG 逆问题，均值最大熵，小波分解，空间滤波器，Kronecker 协方差分解，睡眠慢波。
引用
@article{arxiv.1807.08959,
title = {Space-Time Extension of the MEM Approach for Electromagnetic Neuroimaging},
author = {Marie-Christine Roubaud and Jean-Marc Lina and Julie Carrier and B Torrésani},
journal= {arXiv preprint arXiv:1807.08959},
year = {2018}
}