用于脑电源定位的稀疏贝叶斯学习
定量方法
2015-01-21 v1 机器学习
神经元与认知
摘要
目的：近年来，从脑电图 (EEG) 数据中定位电活动源已受到广泛关注。本文提出了一种基于稀疏贝叶斯学习 (SBL) 的创新 EEG 源定位方法。方法：为了更好地指定稀疏性分布并确保高效的源定位，所提出的方法考虑了人脑内电流偶极子的分组。SBL 用于解决定位问题，并附加了与脑活动相关的电流偶极子为各向同性的约束条件。结果：数值实验在一个真实的头部模型上进行，该模型通过对头部 MRI 图像分割获得，包含头皮、颅骨、脑脊液 (CSF) 和大脑四个主要成分，并具有适当的相对电导率值。结果表明，各向同性约束显著提高了 SBL 的性能。在无噪声环境中，发现所提出的方法能够准确（准确率>75%）定位多达 6 个同时活跃的源，而对于没有各向同性约束的 SBL，仅定位 3 个同时活跃源的准确率就<75%。结论：与最先进算法相比，所提出的方法在指定人脑活动稀疏性分布方面可能更具一致性，并能够为 EEG 产生更好的源定位效果。
引用
@article{arxiv.1501.04621,
title = {Sparse Bayesian Learning for EEG Source Localization},
author = {Sajib Saha and Frank de Hoog and Ya. I. Nesterets and Rajib Rana and M. Tahtali and T. E. Gureyev},
journal= {arXiv preprint arXiv:1501.04621},
year = {2015}
}
备注
arXiv admin note: substantial text overlap with arXiv:1406.2434