典型文献
基于fMRI功能网络和贝叶斯矩阵分解的脑电源成像方法
文献摘要：
脑电(EEG)是一种重要的脑功能成像技术,根据头皮记录的EEG信号重构皮层脑活动称为EEG源成像.然而脑源活动位置和尺寸的准确重构依然是一个挑战.为充分利用EEG和功能磁共振(fMRI)信号在时空分辨率上的互补信息,该文提出一个新的源成像方法——基于fMRI脑网络和时空约束的EEG源重构算法(FN-STCSI).该方法在参数贝叶斯框架下,基于矩阵分解思想将源信号分解为若干时间基函数的线性组合.此外,为融合fMRI的高空间分辨率信息,FN-STCSI利用独立成分分析提取fMRI信号的功能网络,构建EEG源成像的空间协方差基,通过变分贝叶斯推断技术确定每个空间协方差基的相对贡献,实现EEG-fMRI融合.通过蒙特卡罗数值仿真和实验数据分析比较了FN-STCSI与现有算法在不同信噪比和不同先验条件下的性能,结果表明FN-STCSI能有效融合EEG-fMRI在时空上的互补信息,提高EEG弥散源成像的性能.
文献关键词：
脑电源成像;时空约束;功能磁共振;变分贝叶斯推断
中图分类号：
作者姓名：
刘柯;杨东;邓欣
作者机构：
重庆邮电大学计算机科学与技术学院 重庆 400065
文献出处：
引用格式：
[1]刘柯;杨东;邓欣-.基于fMRI功能网络和贝叶斯矩阵分解的脑电源成像方法)[J].电子与信息学报,2022(10):3447-3457
A类：
脑电源成像,STCSI
B类：
fMRI,功能网络,矩阵分解,成像方法,EEG,脑功能成像技术,头皮,信号重构,皮层,功能磁共振,时空分辨率,脑网络,时空约束,重构算法,FN,贝叶斯框架,分解思想,源信号,信号分解,基函数,线性组合,高空间分辨率,独立成分分析,协方差,变分贝叶斯推断,相对贡献,蒙特卡罗,不同先验,有效融合,空上,弥散
AB值：
0.284742
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
