跳到正文
OpenReview · EEG· Ivana Kojcic; Théodore Papadopoulo; Rachid Deriche; Samuel Deslauriers-Gauthier·· 2021-01-01精选AI 评分73

在 MEG 源重建中纳入扩散 MRI 支持的传导时延

Incorporating Transmission Delays Supported By Diffusion Mri In Meg Source Reconstruction

AI 导读

基于摘要分析。该研究针对 M/EEG 逆问题,即从 MEG 或 EEG 测量恢复脑内电活动,提出基于图表示的重建框架,将扩散 MRI(dMRI)支持的脑区间传导时延先验纳入动态正则化,以约束源活动的时间平滑性。 核心机制是考虑白质纤维传递信息所需的时延,而非仅对源活动施加不含传导时延的时间约束。摘要明确提出利用图表示整合这类先验,但图的节点与边定义、时延估计方式、正则项形式及求解算法尚未验证,不能据此确定其具体实现。 作者报告,在模拟 MEG 测量的脑活动重建中,该方法相较 MNE、LORETA 和 CGS 改善了源定位;摘要未提供定位指标、效应大小、仿真条件或统计信息,因此尚不能判断改善幅度及适用边界。作者还展示了感觉运动任务真实 MEG 数据上的初步定性结果,这不等同于真实数据上的定量定位验证。 复现时需核对 dMRI 结构信息如何转换为传导时延、结构信息与 MEG 源空间如何对齐,以及时延先验误差对重建的影响;实验协议、消融及统计信息尚未验证。论文框架面向 M/EEG,但所给摘要的实验结果仅涉及 MEG,EEG 源重建及 BCI 任务收益尚未验证。

阅读价值

值得关注其将 dMRI 支持的传导时延先验引入图表示与时序正则化的源重建思路,但摘要中的效果证据主要来自模拟 MEG,真实数据仅有初步定性结果。

来源:OpenReview · EEG · openreview.net