先验参数对标准卡尔曼滤波基于EEG源定位的影响
数值分析
2025-08-01 v1 数值分析
摘要
EEG源定位是神经科学中的关键工具，适用于从癫痫诊断到认知研究等多个领域。该技术涉及求解一个缺乏唯一解的逆问题，除非受到先验知识的约束。贝叶斯框架使我们能够纳入此类知识，通常通过先验模型进行编码。本领域已提出出 various algorithms for source localization，它们在如何纳入先验知识方面存在显著差异。一些方法依赖解剖或功能约束，而另一些方法则使用统计分布或基于抽样的技术。在此背景下，标准卡尔曼滤波（Standard Kalman Filter, SKF）代表一种动态贝叶斯方法，集成了时序建模与高斯先验结构。它通过后处理标准化步骤解决了源定位中常见的深度偏置问题，该步骤在皮层不同深度上均衡灵敏度，从而使深层活动检测变得可行。本研究聚焦于在SKF框架内开发和优化高斯先验模型，以实现同时检测皮层和皮下活动。我们使用类似于肢体感觉诱导电位（somatosensory evoked potentials, SEP）中P20/N20成分的合成数据，以识别在不同噪声水平下重建深层和浅层源有效的先验参数配置。我们还研究了RTS平滑在增强源分离性中的作用。结果表明，提高标准化指数至1.25，并结合平滑处理，可在低噪声水平下显著提高深度定位精度。
引用
@article{arxiv.2507.23450,
title = {The Effect of Prior Parameters on Standardized Kalman Filter-Based EEG Source Localization},
author = {Dilshanie Prasikala and Joonas Lahtinen and Alexandra Koulouri and Sampsa Pursiainen},
journal= {arXiv preprint arXiv:2507.23450},
year = {2025}
}