首页> 外文OA文献 >EEG-based Neuroimaging using Data-Driven Spatio-TemporaludConstraints for Non Stationary Brain Activity Reconstruction
【2h】

EEG-based Neuroimaging using Data-Driven Spatio-TemporaludConstraints for Non Stationary Brain Activity Reconstruction

机译:基于脑电图的神经影像使用数据驱动的时空 ud非平稳性脑活动重建的约束

摘要

El mapeo cerebral basado en señales de electroencefalografía (EEG), es una técnica muy usada para explorar la actividad cerebral de forma no invasiva. Una de las ventajas que provee la utilización de señales EEG para analizar la actividad cerebral es su bajo costo y su sobresaliente resolución temporal. Sin embargo la cantidad de puntos de medición (electrodos) es extremadamente baja comparada con la cantidad de puntos discretizados dentro del cerebro sobre los cuales se debe realizar la estimación de la actividad. Esto conlleva a un problema mal condicionado comúnmente conocido como el problema inverso de EEG. Para resolver este tipo de problemas, información apriori debe ser supuesta para así obtener una solución única y óptima. udEn el presente trabajo investigativo, se proponen distintas aproximaciones a la solución del problema con el objetivo de mejorar la precisión e interpretabilidad de las estimaciones de actividad cerebral. En primer lugar se propone un método que incluye un modelo auto-regresivo, no lineal, realista y variante en el tiempo para restringir las dinámicas temporales de la solución a dicho modelo. En segundo lugar, se propone un algoritmo que permite relajar la suposición de estacionariedad que comúnmente se hace en este tipo de problemas, esto se logra a través de la creación de una matriz de covarianza variante en el tiempo que permite adaptarse a los cambios espacio temporales de la dinámica cerebral. Por último se propone un algoritmo en el cual se representa la actividad cerebral a través de un conjunto de funciones espacio-temporales las cuales son construidas teniendo en cuenta el contexto fisiológico del problema. Los métodos propuestos son comparados tanto con técnicas clásicas como con métodos del estado del arte usando señales simuladas, y finalmente son validados usando datos EEG reales. En general, los métodos propuestos son eficientes y competitivos en comparación a los métodos usados como referencia
机译:基于脑电图(EEG)信号的大脑作图是一种广泛使用的技术,可以无创地探索大脑活动。使用EEG信号分析大脑活动提供的优势之一是其低成本和出色的时间分辨率。但是,与必须在其上进行活动估计的大脑中离散点的数量相比,测量点(电极)的数量极少。这导致条件差的问题,通常称为反向EEG问题。为了解决这种类型的问题,必须假定先验信息以获得唯一和最佳的解决方案。 ud在当前的调查工作中,提出了解决问题的不同方法,以提高大脑活动估计值的准确性和可解释性。首先,提出了一种方法,该方法包括非线性的,现实的且随时间变化的自回归模型,以将解的时间动态限制为所述模型。其次,提出了一种算法,该算法可以放宽这种问题中常见的平稳性假设,这可以通过及时创建方差协方差矩阵来实现,该矩阵可以适应时空变化动力学。最后,提出了一种算法,其中脑活动通过一组时空函数表示,该函数是在考虑到问题的生理环境的基础上构建的。将所提出的方法与经典技术和使用模拟信号的最新方法进行比较,最后使用真实的EEG数据对其进行验证。通常,与用作参考的方法相比,所提出的方法是高效且具有竞争力的。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号