机构名称：
¥ 1.0
通过整合功能磁共振成像（fMRI）和脑电图（EEG）的多模式功能神经影像学（EEG）具有高时空分辨率恢复大脑活动的希望，这对于神经科学研究至关重要，这对于神经科学研究和临床诊断至关重要。然而，fMRI和脑电图活动之间的局部化的未对准可能会降低fMRI约束的脑电图源成像（ESI）技术的准确性。以数据驱动的方式利用fMRI和EEG的互补时空分辨率，我们提出了一种基于fMRI源的脑电图/fMRI融合的方法，称为fMRI源成像，基于时空范围的基础函数（fMRI-SI-SI-STBF）。fMRI-SI-STBF采用了从fMRI和EEG信号定义为经验贝叶斯框架内定义的群体和EEG信号的协方差组件（CCS）。此外，fMRI-SI-STBF代表当前源矩阵作为矩阵分解的几个未知时间基函数（TBF）的线性组合。使用变异性贝叶斯推断，基于EEG数据自动确定了fMRI信息和EEG信息的CCS以及TBFS的数字和fro孔的相对贡献。我们的结果表明，fMRI-SI-STBF可以有效利用ESI的有效fMRI信息，并且对无效的fMRI先验是可靠的。这种鲁棒性对于实际ESI至关重要，因为fMRI先验的有效性通常不清楚，因为fMRI是对神经活动的间接度量。此外，与仅使用空间约束的方法相比，fMRI-SI-STBF可以通过纳入时间结合来提高性能。对于数值模拟，fMRI-SI-STBF比现有的EEG-FMRI ESI方法（即FWMNE，fMRI-SI-SBF）和ESI方法更准确地重建源，位置和时间课程，而没有fMRI的方法（即乘火mri）（即wmne si si si si si si si si si s si i sipb）较小的空间色散（平均SD <5 mm），定位误差的距离（平均DLE <2 mm），形状误差（平均SE <0：9）和较大的模型证据值。2021由Elsevier B.V.
fMRI-SI-STBF
主要关键词
相关文件推荐
