跳到正文

算法、任务与模态

多模态 最新动态

多模态 研究索引；按可核对的标签归档，不以热度评价质量。

1,623 条精选近 30 天 180 条共收录 2,375 条

更新

精选归档 · 第 82 页

1月1日周一第 1621–1623 条
  1. OpenReview · EEG71

    局灶性癫痫发作间期 fMRI 的独立成分分析：与基于广义线性模型的 EEG 相关 fMRI 分析比较

    基于摘要分析。本研究针对局灶性癫痫同步 EEG–fMRI 分析依赖头皮 EEG 可见发作间期癫痫样放电（IED）的问题，比较数据驱动的空间独立成分分析（ICA）与 EEG 驱动的广义线性模型（GLM），评估 ICA 是否能够提取与 IED 相关的 BOLD 活动。这是癫痫相关脑功能成像研究，并非 BCI 解码方法研究。 传统 GLM 使用头皮 EEG 上识别的 IED 构建分析模型；当 EEG 未显现 IED 时，该策略难以发挥作用。作者对八名局灶性癫痫患者的 fMRI 数据应用空间 ICA，将提取的独立成分自动分类为 BOLD 相关成分、运动伪影、EPI 磁敏感伪影、大血管成分及高空间或时间频率噪声，再依据时空标准评估 ICA 与 EEG 驱动 GLM 结果的一致性。摘要未提供分类器具体实现及一致性判据。 作者报告，在上述八名患者的分析中，自动分类使候选独立成分数量减少 78%，平均保留 16 个 BOLD 相关成分；每名患者均有一个独立成分满足与 IED 驱动 GLM 结果相对应的时空标准。这支持 ICA 能够提取与已知 IED 相关 BOLD 模式一致的成分，但不等同于对 EEG 不可见癫痫活动的独立验证。 作者认为，其余成分与自发脑活动的 BOLD 模式相符，并可能包含头皮 EEG 未显现的癫痫活动；这一解释仍需独立证据确认。摘要未给出额外成分的临床参照验证、定位准确性或假阳性指标。实验协议、消融及统计信息尚未验证，复现还需核对 fMRI 预处理、ICA 配置、自动分类规则及 GLM 建模细节。当前材料不支持将该结果直接推断为 EEG/BCI 性能提升。

    阅读价值：值得阅读其空间 ICA 成分筛选与 EEG 驱动 GLM 的时空一致性验证思路，但摘要不足以确认额外成分能否识别头皮 EEG 未显现的癫痫活动。

  2. OpenReview · EEG74

    改善与 3-T fMRI 同步记录的听觉事件相关电位质量：去除心搏冲击伪迹

    基于摘要分析。本研究针对同步 EEG–fMRI 记录中心动周期相关心搏冲击伪迹（ballistocardiogram artefact，BCG）严重污染 EEG 的问题，系统比较 optimal basis set（OBS）、独立成分分析（ICA）及二者组合 OBS–ICA，重点考察伪迹抑制与听觉 ERP 成分 N1 保真度之间的关系。 OBS 属于逐通道校正方法，ICA 属于空间滤波方法，OBS–ICA 则结合两者。研究将三种处理流程应用于 12 名被试在 3-T 扫描仪内进行 fMRI 采集时同步记录的 60 通道 EEG。评估不仅包括残余 BCG 伪迹，还包括 N1 的信噪比（SNR）、幅度及头皮地形分布，并利用等效电流偶极子建模考察定位误差。 作者报告，三种方法均显著减少了伪迹，但相对于未经 BCG 校正的数据，ICA 处理后的 N1 SNR 和幅度显著降低，提示伪迹减少并不必然意味着目标 ERP 质量改善。相较之下，作者报告 OBS 与 OBS–ICA 均明显改善了 N1 SNR。源定位方面，三种校正方法相对于未经 BCG 校正的数据均呈现定位误差减小的描述性结果，其中 OBS–ICA 的改善达到统计显著；摘要未给出具体效应量或检验数值。 该结果的直接适用范围是所述同步 EEG–fMRI 条件下的 BCG 校正与听觉 N1 分析，不能据此断言 ICA 在其他 EEG 场景下普遍较差，也不能推导出 BCI 解码性能提升。复现时需核对 BCG 周期识别、OBS 基函数设置、ICA 成分筛选、组合处理顺序及偶极子建模参照等细节；具体实验协议、消融及统计信息尚未验证。

    阅读价值：该研究在同一组同步 EEG–fMRI 数据中比较 OBS、ICA 与 OBS–ICA，并同时考察残余伪迹、N1 信噪比与源定位误差，有助于判断去伪迹是否以损伤目标 ERP 为代价。

12月31日周六
  1. OpenReview · EEG79

    评估 EEG 逆问题中基于 fMRI 的先验的相关性：贝叶斯模型比较方法

    基于摘要分析。研究针对 EEG/MEG 皮层源重建解不唯一的问题，提出通过贝叶斯模型比较评估 fMRI 衍生空间先验是否适合观测数据。核心贡献是将“是否应引入跨模态先验”转化为可量化的比较问题，而不是直接假定生物电活动与代谢活动在空间上相匹配。 方法上，作者比较采用 fMRI 信息先验与采用非信息先验时对 EEG/MEG 数据的适配程度，并使用 Bayes factor 作为纳入或不纳入信息先验的依据。这一机制直接对应多模态源定位中的关键风险：外部成像约束可能减少逆问题的不确定性，但不匹配的约束也可能影响重建。摘要未给出先验分布、似然、超参数处理及 Bayes factor 的具体计算方式，尚不能据此复现推断流程。 验证方面，作者报告进行了广泛仿真，将模拟 EEG 源的扰动版本构造为 fMRI 衍生先验，以考察先验与真实源不一致时的适用性；作者还指出，该推断框架可推广至优化信息先验的引入方式。摘要未提供扰动类型、仿真规模、噪声条件、判定阈值或定量结果，实验协议、消融及统计信息尚未验证，也无法确认其在真实 EEG/MEG 与 fMRI 配对数据上的表现。 该工作的明确研究对象是多模态约束下的 EEG/MEG 逆问题，并非 BCI 解码性能验证。阅读全文时，应重点核对模型证据对先验设定及噪声假设的敏感性、先验不匹配的仿真覆盖范围，以及推广至先验优化时的具体实现。其对后续 BCI 系统的价值仍需单独验证。

    阅读价值：值得阅读的具体原因是，该研究用 Bayes factor 比较 fMRI 空间先验与非信息先验对 EEG/MEG 数据的适配性，为是否引入跨模态约束提供可核对的统计依据，而非默认两类活动一致。