基于fMRI功能网络和贝叶斯矩阵分解的脑电源成像方法

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。     

基于脑电逆问题的研究及应用综述

自20世纪50年代以来,关于神经元电活动的研究一直是许多科研人员和临床医生关注的热点。大脑中的神经元组成分布式网络结构,不同的区域结构将处理视觉、感知觉、意识等不同的信息,且神经元活动随时间不断变化,因此需要一种能对大脑的时间和空间特征全面记录的方法。脑电图（Electroencephalography, EEG）由于具有无创、价格低廉和高时间分辨率的特性,自其被发现以来就已成为记录神经元活动应用最广泛的技术之一。然而EEG的空间分辨率较低,难以实现对神经元活动的精确定位。提升EEG的空间分辨率,需要从测量的头皮脑电中定位大脑的激活神经元,即解决脑电逆问题。由于电磁逆解具有不确定性,脑内不同的激活模式可能会在头皮产生相同的电位分布。近年来关于大脑的精确解剖结构、组织特性以及神经元电活动的传播规律等方面的研究为该技术提供了可靠的先验,有许多研究已经证实了该技术在定位大脑源活动中有显著的优势。脑电逆问题求解可以通过无创的手段实现对神经元电活动的空间定位,有助于了解神经网络结构和大脑信息传递过程。同时可以提升无创脑电信号的空间分辨率,拓展可用信息维度,在神经科学与技术、临床医学等领域均已有广...     

PEB模型在同步核磁-脑电源定位中的应用

利用脑电(Electroencephalographic,EEG)和功能性磁共振成像(functional Magnetic Resonance Imaging,fMRI)时间和空间上的互补性可以获得大脑的电源活动。为了获得经典奖惩任务中脑区的激活情况,同步采集fMRI-EEG数据,使用以fMRI空间作为约束的参数经验贝叶斯(Parametric Empirical Bayesian,PEB)模型进行了脑电源活动分析。同时,结合稀疏求解的方法,提取更集中的神经电活动,进一步突出激活强度高的脑区。实验结果表明,在奖惩结果呈现后的200～350 ms内,奖赏刺激能够诱发出反馈相关负波(Feedback Related Negativity,FRN)。fMRI空间定位显示前额叶、眶额叶等奖赏相关脑区出现激活,EEG源定位提取到了前额叶脑区的激活,但是这些激活区域均分散在脑区的各个部位。相比于单一模态fMRI空间定位和EEG源定位结果,同步源定位提取的脑区更集中,获得的模型证据也更大,更准确地描绘了脑区激活情况。     

基于变换数据空间的相干脑电源定位算法

不同脑区之间的相互协作对大脑完成认知任务具有重要意义.脑区电活动的相干性被认为是这种协作的表现形式.从头表脑电无创地三维定位相干源有助于了解大脑的内在机制.传统的MUSIC算法不能定位相干源.本文发展了一种在变换数据空间的MUSIC算法用于相干源定位.首先根据先验信息大致估计相干源区的范围,然后设计能压制相干源区的数据变换矩阵.最后在变换后的数据空间定位相干源.不同条件下的计算模拟实验表明,相比其它方法,这种方法具有更高的定位精度,运算速度也更快.     

基于头皮拉普拉斯脑电电极的高空间分辨率SSVEP信号采集与分析研究

脑电信号（Electroencephalogram,EEG）因其具有时间分辨率高、方便易得等优点被广泛应用。然而脑电信号的空间分辨率较低,导致其应用效果受限。拉普拉斯滤波方法已被证明可提高体表电位的空间分辨率。传统拉普拉斯脑电研究通常利用算子来估计圆盘电极阵列中的拉普拉斯电势。但是圆盘电极间距大,使得该方法估计结果精度较低。针对上述问题,本文设计了一种拉普拉斯脑电电极及其采集方案,分别从仿真实验和人体实验两方面验证了其有效性。仿真结果表明拉普拉斯电极空间分辨率可比传统圆盘电极提高约41.4%。人体实验结果表明大脑左右半球视觉皮层同时产生稳态视觉诱发电位（Steady-state visual evoked potentials, SSVEP）时,拉普拉斯脑电信号可明显分辨出左右半球两个独立的SSVEP源信号,而传统脑电信号无法区分这两个独立脑电源。上述研究结果证明,本文设计的拉普拉斯脑电电极及其采集方案能够有效提升脑电的空间分辨率,有望实现更精确的脑电源定位。     

基于最小偶极子数解的脑磁定位方法

多偶极子定位是脑磁逆问题研究中的难点问题。本文基于最小偶极子数解,研究了一种多偶极子的脑磁源定位方法。以改进的模拟退火算法为优化策略,进行了仿真计算。结果表明,该方法可以达到多偶极子的定位目的,为多偶极子的源定位提供了有效途径。     

基于先验约束的图像超分辨率复原

图像超分辨率复原是一个典型的不适定问题.近年来,借助先验信息改善图像超分辨率复原效果的方法已成为研究的一个热点,文章提出了一种利用先验图像的灰度分布作为约束的图像超分辨率复原的新方法.首先,利用最小鉴别信息构造复原图像与先验图像的约束,约束结果使得复原图像与给定的先验图像具有最相似的灰度分布;其次,基于置信策略给出自适应的正则化参数选取方法;最后给出实验结果,结果表明文中方法具有较好的复原效果和稳定性.     

贝叶斯网络结构学习研究

针对贝叶斯网络结构学习方法难以兼顾高准确率和高效率的问题,提出了一种基于Markov Chain Monte Carlo(MCMC)方法的贝叶斯网络结构学习方法的改进.改进包括:使用依赖关系分析,利用统计学的方法对采样空间进行大幅缩减,能够在精确控制准确度的情况下大幅提高时间效率;结合先验知识,从理论角度将先验知识融入评分中得到完全服从后验分布的结果;搜索最优子结构,对于特定的一些结构搜索最优子结构而不是采用贪心的方法,提高了贝叶斯网络结构学习的准确率.通过理论分析可以证明时间复杂度得到了大幅的降低.并且可以在牺牲可预知的准确率的情况下,将指数时间复杂度降为线性时间.大量的数据实验表明,经改进后的方法在时间和准确性上都具有良好的表现.     

一种基于lp模约束的FOCUSS迭代 EEG源定位新方法

如何有效地从头表记录电位中准确定位脑电源的真实活动位置是神经认知脑功能研究中的一个关键问题.本文在FOCUSS算法迭代基础上,从脑神经活动的局部稀疏性出发,提出了一种新的脑功能成像方法.在该算法中,通过把稀疏性的l_p模约束加入到修改的FOCUSS算法的迭代过程中,使算法可以有效地收敛于真实的稀疏源活动位置.利用该方法对随机系统、三层球模型及真实头模型确定的稀疏欠定系统进行了求解模拟实验,结果显示了该方法在求解欠定系统及EEG源定位时具有良好的稳健性.     

基于稀疏贝叶斯学习的无源雷达高分辨成像

针对无源雷达压缩感知成像,该文提出一种基于稀疏贝叶斯学习的高分辨成像算法。基于一次快拍模式下的无源雷达回波模型,文中首先考虑目标散射系数的统计特性及其对微波频率的依赖关系,将无源雷达成像转化为MMV(Multiple Measurement Vector)联合稀疏优化问题;然后对目标建立了级联形式的稀疏先验模型,并利用稀疏贝叶斯学习技术进行求解。相比之前基于目标确定性假设的稀疏恢复方法,所提算法更好地利用了目标的统计先验信息,具有能够自适应调整参数(目标模型参数和未知噪声功率)和高分辨反演目标等优点。仿真结果验证了该算法的有效性。     

边缘学科分支最新动向

TN一051 00021655基于模拟退火法由脑磁图推断电流偶极子参数/楼正国,李军,霍小林(浙江大学)11浙江大学学报(自然科学版).一1999,33(4)一446一450利用非线性反演问题中所采用的模拟退火(SimulatedAmlealing)算法,建立了基于脑磁图(MEG)反演脑内作为磁源的电流偶极子(Curren七一Dipole)的模型.并根据单偶极子源的仿真实验数据,进行了反演计算,得到了较为理想的结果.有关利用这种模型对多偶极子源的反演计算,尚有待进一步研究.图2表3参6(木)介绍了串行控制的10位模数转换器T LC1549的特点和功能,说明了TLC1549与AT89C51单片机在心脏监…     

基于头皮脑电的游戏型脑机接口应用研究综述

游戏型脑机接口(game-BCI)是指将脑机接口与游戏结合,通过对脑电信号的识别,使用户完成对游戏的直接控制,不仅为健康人提供了新型的游戏交互方式,也为残障人士提供了新的康复治疗途径.相比于其它侵入性BCI,基于头皮脑电的BCI有无创、时间分辨率高、成本低、便携性好等优势,具有更加广泛的应用前景.该文对基于头皮脑电的游...     

利用脑电空间高频分量分离深,浅层偶极子源

从头皮观测脑电中把由深层源产生的部分与浅层源产生的部分分开，据以观察大脑内的深层电活动细节是在理论和临床上有重要意义的课题，本文根据对深、浅层偶极子源在头皮上产生电位的空间频率分析，提出利用脑电的空间高频分量对浅层源定位，进而把浅层源产生的电位从脑电中分离出去的方法，并将Ｍａｒｑｕａｒｄｔ优化算法由空域推广到空频域，仿真实验表明，此法可以较准地定位浅层源，从而有效地把脑电中深，浅层源的贡献区分开来     

基于脑电的脑机接口技术在医学领域中的应用

脑机接口能够在大脑与外部设备之间建立直接的交流通道.随着脑科学的深入研究和人工智能技术的迅猛发展,脑机接口得到了长足的进步.基于头皮脑电的脑机接口由于具有对人体无创伤、成本低廉且便携性较好等优点,在多种应用场景中广受关注.本文从脑信号产生、获取和解码三方面引入,介绍基于脑电的脑机接口技术,阐述脑机接口技术在医学领域的应...     

基于核函数法及马尔可夫链的节点定位算法

基于贝叶斯滤波框架,提出了基于核函数法及马尔可夫链的节点定位算法,该算法采用射频指纹匹配技术,使用核函数构建似然函数,充分利用观测与多个训练样本之间的相似性,避免使用先验确定型信号分布模型产生的误差.此外,为提高移动目标的定位精度和定位实时性,该算法还使用马尔可夫链,通过利用目标的历史状态和环境布局等信息对匹配定位的网格搜索空间进行限制,剔除目标移动过程中不可能发生的位置跳变.实验证明,与高斯分布模型相比,所提定位算法具有更高的定位正确率和定位精度.     

几种优化方法在脑磁逆问题中的应用与比较

利用脑磁图数据推断磁源参数是脑磁理论研究中的一个基本问题.优化方法是解决这一问题的有力工具.求解这一脑磁逆问题分别使用梯度法、高斯-牛顿法及模拟退火法.计算表明:这些算法在一定条件下均可使用,比较而言,梯度法、高斯-牛顿法具有很快的计算速度,而模拟退火法耗时较多.另一方面,模拟退火法对迭代初值要求不高,而梯度法、高斯-牛顿法则对此有一定的要求.特别在对多偶子磁源求解时,梯度法、高斯-牛顿法有时因初值选择困难而失效,而模拟退火法仍然是有效的.     

贝叶斯网络结构学习研究

针对贝叶斯网络结构学习方法难以兼顾高准确率和高效率的问题,提出了一种基于Markov Chain Monte Carlo(MCMC)方法的贝叶斯网络结构学习方法的改进。改进包括:使用依赖关系分析,利用统计学的方法对采样空间进行大幅缩减,能够在精确控制准确度的情况下大幅提高时间效率;结合先验知识,从理论角度将先验知识融入评分中得到完全服从后验分布的结果;搜索最优子结构,对于特定的一些结构搜索最优子结构而不是采用贪心的方法,提高了贝叶斯网络结构学习的准确率。通过理论分析可以证明时间复杂度得到了大幅的降低。并且可以在牺牲可预知的准确率的情况下,将指数时间复杂度降为线性时间。大量的数据实验表明,经改进后的方法在时间和准确性上都具有良好的表现。     

低空小型无人机贝叶斯学习超分辨ISAR成像

本文针对低空小型无人机在雷达探测中散射截面积小、相干积累时间短等问题,提出一种基于贝叶斯统计机器学习的逆合成孔径雷达超分辨成像方法。利用无人机相对空域背景的稀疏性先验知识引入重尾的拉普拉斯先验概率分布,并基于观测系统噪声高斯分布假设建立贝叶斯后验推理模型。针对先验分布的非共轭性,引入分层贝叶斯模型。最后应用变分贝叶斯期望最大算法,解析求解目标后向散射系数后验概率密度函数,并校正目标非系统性平动误差及其造成的成像散焦。与传统方法相比,该方法能够有效解决无人机目标雷达散射截面积较小带来的成像信噪比低以及相干积累时间较短带来的成像分辨率低等问题。仿真实验结果证明了本文所提方法的有效性和优越性。     

基于深度时空特征融合的多通道运动想象EEG解码方法

脑电(EEG)是一种在临床上广泛应用的脑信息记录形式,其反映了脑活动中神经细胞放电产生的电场变化情况.脑电广泛应用于脑-机接口(BCI)系统.然而,研究表明脑电信息空间分辨率较低,这种缺陷可以综合分析多通道电极的脑电数据来弥补.为了从多通道数据中高效地获取到与运动想象任务相关的辨识特征,该文提出一种针对多通道脑电信息的卷积神经网络(MC-CNN)解码方法,先对预先选取好的多通道数据预处理后送入2维卷积神经网络(CNN)进行时间-空间特征提取,然后利用自动编码(AE)器把这些特征映射为具有辨识度的特征子空间,最后指导识别网络进行分类识别.实验结果表明,该文所提多通道空间特征提取和构建方法在运动想象脑电任务识别性能和效率上都具有较大优势.     

基于生成图的工作流多过程动态 时序一致性验证方法

 提出了基于生成图的多过程动态时序一致性验证方法.首先从多过程的时间工作流网构建生成图,以图形化方式表达实例可能经过的路径和时间信息.在动态检测时,依据已经完成活动对生成图进行部分更新,再利用图中节点相关信息进行时间约束的验证.该方法可以解决资源约束情况下多过程时序一致性动态验证问题,而且能定位模型中出问题的路径,指导用户进行工作流时序异常处理或优化工作流模型;另一方面,生成图可供多个时序约束进行验证使用,具有较好的可重用性.