同时使用状态空间模型解决大规模的MEG/EEG源定位和功能连接问题
Jose Sanchez-Bornot1, Roberto C Sotero2, J A Scott Kelso3
1Intelligent Systems Research Centre, School of Computing, Engineering and Intelligent Systems, Ulster University, Magee campus, Derry∼Londonderry, United Kingdom.
NeuroImage
|November 22, 2023
概括
本研究引入了多重处罚状态空间 (MPSS) 模型,以有效地分析复杂的大脑数据. MPSS模型克服了传统方法的计算限制,使认知大脑功能的详细探索成为可能.
科学领域:
- 神经科学是一个神经科学.
- 计算生物学 计算生物学
- 统计建模 统计建模
背景情况:
- 状态空间模型对于理解不同领域未被观察到的动态至关重要.
- 像卡尔曼过这样的传统方法在大规模分析中面临着计算挑战.
- 稀疏估计引入偏差差异权衡,特别是在低信号噪声比 (SNR) 场景中.
研究的目的:
- 提出多重处罚状态空间 (MPSS) 模型,以有效分析复杂的动态.
- 开发用于解决MPSS模型的新算法,使用反向传播,梯度下降和交替最小平方.
- 引入K倍交叉验证,以确保可靠的调整参数选择.
主要方法:
- 在MPSS模型中引入数据驱动的规范化.
- 开发新的优化算法 (反向传播,梯度下降,交替最小平方).
- 应用K折交叉验证进行参数调节.
主要成果:
- 在各种SNR条件下,MPSS模型在模拟中展示了有效的性能.
- 成功地应用到大型合成磁电脑学 (MEG/EEG) 数据.
- 在真实MEG/EEG数据上准确的并发脑源定位和功能连接分析.
结论:
- MPSS框架克服了现有的状态空间模型的计算和可扩展性限制.
- 在大规模神经成像数据上,能够对认知大脑功能进行详细分析.
- 有助于准确地探索大脑源部位和功能连接.
