关于组事件相关潜在组件的贝叶斯估计 (BEGEP):测试合成和真实数据集的模型
Valery A Ponomarev1, Jury D Kropotov1
1N. P. Bechtereva Institute of the Human Brain, Russian Academy of Sciences, St. Petersburg, Russia.
Journal of neural engineering
|May 22, 2024
概括
本研究引入了一种新的贝叶斯模型,以提高事件相关潜力的空间分辨率 (ERP). 这种新方法通过更好地分离来自多个皮质源的混合信号来增强大脑活动的分析.
科学领域:
- 认知神经科学 认知神经科学
- 生物医学工程 生物医学工程
- 信号处理 信号处理
背景情况:
- 在头皮上记录的事件相关潜能 (ERP) 由于来自各种皮层源的信号混合,其空间分辨率较低.
- 从受试者组分析多道ERP需要先进的模型来准确地恢复源信号.
- 现有的方法很难解决复杂的信号混合,并考虑到个体的变化.
研究的目的:
- 开发一种新的贝叶斯模型,用于从受试者组中分析多道ERP.
- 为了纳入信号大小和延迟的人与人之间的变化.
- 为了考虑到ERP噪声的复杂的时空和异质特征.
主要方法:
- 开发一个新的贝叶斯模型用于ERP分析.
- 实现参数估计的贝叶斯推理算法.
- 使用广泛的模拟和来自351名受试者的真实ERP数据进行验证.
主要成果:
- 拟议的模型有效地估计来自混合头皮记录的源信号.
- 它揭示了传统ERP分析方法无法观察到的源信号特征.
- 通过综合和真实数据的综合实验来验证性能.
结论:
- 新的贝叶斯模型在ERP分析中提供了显著的进步.
- 它为认知神经科学研究提供了一个潜在的有价值的工具.
- 该方法增强了研究大脑活动的能力,并提高了空间分辨率.
