基于fMRI功能网络和贝叶斯矩阵分解的脑电源成像方法

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。