×
阿尔贝托·索伦蒂诺;亚当·约翰森。;约翰·A·D·阿斯顿。;托马斯·尼科尔斯。;威尔弗里德·肯德尔。

脑磁图静态偶极子的动态滤波。 （英语） Zbl 1288.62168号

附录申请。斯达。 7，第2期，955-988（2013）.
小结：我们考虑通过测量脑磁图记录的磁场来估计神经活动的问题。我们利用问题的时间结构，将神经电流建模为一组不断演化的偶极子，偶极子出现和消失，但其位置在其整个生命周期内保持不变。这充分反映了该模型的生理学解释。
为了在该模型下进行推理，有必要开发一种基于最先进的序贯蒙特卡罗方法的算法，该方法采用精心设计的重要性分布。先前的工作采用了自举滤波器和人工动态结构，其中偶极子在空间中进行随机行走，在重建中产生非物理伪影；在使用该模型时，没有观察到此类人工制品。该算法用模拟数据进行了验证，其中它提供了平均定位误差，该误差大约是自举滤波器的一半。本文介绍了一种应用于从体感实验中获得的复杂真实数据的方法。通过边际似然对模型拟合的评估表明，该模型具有明显的偏好性，相关的重建显示出更好的局部性。

引用于4文件

MSC公司：

第62页第10页 统计学在生物学和医学中的应用；元分析
92 C55 生物医学成像和信号处理
92立方厘米20 神经生物学
62M20型 随机过程推断和预测
65二氧化碳 蒙特卡罗方法
PDF格式BibTeX公司 XML格式引用
\textit{A.Sorrentino}等人，Ann.Appl。Stat.7，No.2，955--988（2013；Zbl 1288.62168）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Andrieu，C.、Doucet，A.和Holenstein，R.（2010年）。粒子马尔可夫链蒙特卡罗方法。J.R.Stat.Soc.系列。B统计方法。72 269-342. ·Zbl 1184.65001号 ·文件编号：10.1111/j.1467-9868.2009.00736.x
[2] Briers，M.、Doucet，A.和Maskell，S.（2010年）。状态空间模型的平滑算法。Ann.Inst.Statist公司。数学。62 61-89. ·Zbl 1422.62297号 ·doi:10.1007/s10463-009-0236-2
[3] Campi，C.、Pascarella，A.、Sorrentino，A.和Piana，M.（2008）。用于脑磁图的Rao-Blackwellized粒子滤波器。反问题24 025023，15·兹比尔1137.78340 ·doi:10.1088/0266-5611/24/2/025023
[4] Campi，C.、Pascarella，A.、Sorrentino，A.和Piana，M.（2011年）。高度自动化偶极子估计（HADES）。计算。智力。神经科学。2011 982185.
[5] Carpenter，J.、Clifford，P.和Fearnhead，P..（1999年）。非线性问题的改进粒子滤波器。IEE Proceedings Radar，Sonar&Navigation《雷达、声纳与导航学报》146 2-7。
[6] 肖邦，N.（2004）。序列蒙特卡罗方法的中心极限定理及其在贝叶斯推理中的应用。安。统计师。32 2385-2411. ·Zbl 1079.65006号 ·doi:10.1214/009053604000000698
[7] 肖邦，N.，雅各布，P.和帕帕斯皮利奥普洛斯，O.（2011）\（\mathrm{SMC}^{2}）：状态空间模型序列分析的有效算法。可在上获取。1101.1528
[8] Cohen，D.和Cuffin，B.N.（1983年）。演示脑磁图和脑电图之间的有用差异。脑电图。临床。神经生理学。56 38-51.
[9] Dale，A.M.、Fischl，B.和Sereno，M.I.（1999）。基于皮层表面的分析。I.分割和曲面重建。神经影像9 179-194。
[10] Dale，A.M.、Liu，A.K.、Fischl，B.R.、Buckner，R.L.、Belliveau，J.W.、Lewine，J.D.和Halgren，E.（2000）。动态统计参数映射：结合fMRI和MEG对皮层活动进行高分辨率成像。神经元26 55-67。
[11] de Hoyos，A.、Portillo，J.、Portilla，I.、Marin，P.、Maestu，F.、Poch-Broto，J.，Ortiz，T.和Hernando，A.（2012）。用于实际临床环境的LCMV和MUSIC源定位技术的比较和改进。神经科学方法杂志205 312-323。
[12] Del Moral，P.（2004）。费曼-卡克公式：谱系和相互作用粒子系统及其应用。纽约州施普林格·Zbl 1130.60003号
[13] Douc，R.、Cappé，O.和Moulines，E.（2005年）。粒子滤波器重采样方案的比较。第四届图像和信号处理与分析国际研讨会论文集，第64-69页。克罗地亚萨格勒布IEEE。
[14] Doucet，A.、Godsill，S.和Andrieu，C.（2000）。贝叶斯滤波的序贯蒙特卡罗抽样方法。统计。计算。197-208年10月。
[15] Doucet，A.和Johansen，A.M.（2011年）。粒子过滤和平滑教程：十五年后。在牛津非线性滤波手册656-704中。牛津大学出版社，牛津·Zbl 1513.60043号
[16] Geweke，J.（1989）。使用蒙特卡罗积分的计量经济模型中的贝叶斯推断。《计量经济学》57 1317-1339·Zbl 0683.62068号 ·doi:10.2307/1913710
[17] Gilks，W.R.和Berzuini，C.（2001年）。遵循动态贝叶斯模型的移动目标蒙特卡罗推断。J.R.Stat.Soc.系列。B统计方法。63 127-146. ·Zbl 0976.62021号 ·doi:10.1111/1467-9868.00280
[18] Golub，G.H.和Van Loan，C.F.（1984年）。矩阵计算。约翰斯·霍普金斯大学出版社，巴尔的摩。
[19] Gordon，N.J.、Salmond，D.J.和Smith，A.F.M.（1993）。非线性/非高斯贝叶斯估计的新方法。IEE Proceedings F雷达和信号处理140 107-113。
[20] Gramfort，A.、Kowalski，M.和HäMäläinen，M.（2012年）。基于加速梯度法的M/EEG逆问题的混合形式估计。医学和生物学物理学7 1937-1961。
[21] Hämäläinen，m.和Ilmoniemi，R.J.（1984）。解释大脑测得的磁场：电流分布的估计。赫尔辛基科技大学技术报告。
[22] Hämäläinen，m.和Ilmoniemi，R.J.（1994）。解释大脑磁场：最低标准估计值。医学生物工程与计算32 35-42。
[23] Hämäläinen，m.、Hari，R.、Knuutila，J.和Lounasmaa，O.V.（1993）。脑磁图：工作人脑非侵入性研究的理论、仪器和应用。现代物理学评论。65 413-498.
[24] Jun，S.C.、George，J.S.、Parè-Blagoev，J.、Plis，S.M.、Ranken，D.M.、Schmidt，D.M.和Wood，C.C.（2005）。MEG神经影像数据的时空贝叶斯推断偶极子分析。神经影像28 84-98。
[25] Kantas，N.、Doucet，A.、Singh，S.S.和Maciejowski，J.M.（2009年）。一般状态空间模型中参数估计的序贯蒙特卡罗方法概述。在第15次IFAC系统识别（SysId）会议上，法国圣马洛，774-785。
[26] Kong，A.，Liu，J.S.和Wong，W.H.（1994）。顺序插补和贝叶斯缺失数据问题。J.Amer。统计师。协会93 278-288·Zbl 0800.62166号 ·doi:10.2307/2291224
[27] Lee，A.、Yau，C.、Giles，M.B.、Doucet，A.和Holmes，C.C.（2010年）。关于图形卡利用先进的蒙特卡罗方法进行大规模并行模拟的实用性。J.计算。图表。统计师。19 769-789.
[28] Lin，F.H.、Witzel，T.、Ahlfors，S.P.、Stufflebeam，S.M.、Belliveau，J.V.和Hamalainen，M.S.（2006年）。通过深度加权最小范数估计评估和提高MEG源定位的空间精度。神经影像31 160-171。
[29] Long，C.J.、Purdon，P.L.、Temeranca，S.、Desai，N.U.、HämäLäinen，m.和Brown，E.N.（2006）。大规模卡尔曼滤波解决电生理源定位问题——MEG案例研究。第28届IEEE EMBS年度国际会议论文集4532-4535。IEEE，纽约。
[30] Long，C.J.、Purdon，P.L.、Temereanca，S.、Desai，N.U.、HämäLäinen，m.S.和Brown，E.N.（2011年）。使用高性能计算的动态脑磁图逆问题的状态空间解。附录申请。法令5 1207-1228·兹比尔1223.62160 ·doi:10.1214/11-AOAS483
[31] Mauguiere，F.、Merlet，I.、Forss，N.、Vanni，S.、Jousmaki，V.、Adeleine，P.和Hari，R.（1997）。激活人脑中的分布式体感皮层网络。正中神经刺激诱发磁场的偶极子模型研究。第一部分：SEF源的位置和激活时间。脑电图与临床神经生理学104 281-289。
[32] Mosher，J.C.和Leahy，R.M.（1999）。使用递归应用和投影（RAP）MUSIC进行源定位。IEEE传输。信号处理。47 332-340.
[33] Mosher，J.C.、Lewis，P.S.和Leahy，R.M.（1992年）。基于时空MEG数据的多偶极子建模和定位。IEEE传输。生物识别。工程39 541-557。
[34] Ou，W.，Hämäläinen，m.S.和Golland，P.（2009年）。一种分布式时空EEG/MEG逆解算器。神经影像44 932-946。
[35] Pascarella，A.、Sorrentino，A.、Campi，C.和Piana，M.（2010年）。用于脑磁图时间序列分析的粒子滤波、波束形成和多信号分类：算法比较。反向探测。图像4 169-190·Zbl 1186.92030号 ·doi:10.3934/ipi.2010.4.169
[36] Sarvas，J.（1987年）。生物磁逆问题的基本数学和电磁概念。物理学。医学生物学。32 11-22.
[37] Scherg，M.和Von Cramon，D.（1986年）。人类听觉皮层诱发的偶极源电位。脑电图。临床。神经生理学。65 344-360.
[38] Schuhmacher，D.、Vo，B.-T.和Vo，B.-N.（2008）。多对象过滤器性能评估的一致度量。IEEE传输。信号处理。56 3447-3457. ·Zbl 1390.94399号 ·doi:10.1109/TSP.2008.920469
[39] Somersalo，E.、Voutilainen，A.和Kaipio，J.P.（2003）。基于偶极模型贝叶斯滤波的非静态脑磁图。反问题19 1047-1063·Zbl 1046.92034号 ·doi:10.1088/0266-5611/19/5/304
[40] Sorrentino，A.（2010年）。脑磁图粒子过滤器。架构（architecture）。计算。方法工程17 213-251·Zbl 1196.92026号 ·doi:10.1007/s11831-010-9047-0
[41] Sorrentino，A.、Parkkonen，L.、Pascarella，A.、Campi，C.和Piana，M.（2009年）。使用多目标贝叶斯滤波的动态MEG源建模。嗯。大脑映射。30 1911-1921.
[42] Taulu，S.、Kajola，M.和Simola，J.（2004）。通过信号空间分离方法抑制干扰和伪影。大脑地形图。16 269-275. ·Zbl 1370.94253号
[43] Tian，T.S.和Li，Z.（2011）。使用群惩罚方法求解EEG/MEG逆问题的时空解。统计接口4 521-533·Zbl 1245.92043号 ·doi:10.4310/SII.2011.v4.n4.a10
[44] Tian，T.S.、Huang，J.Z.、Shen，H.和Li，Z.（2012）。一种MEG源重建的双向正则化方法。附录申请。统计6 1021-1046·Zbl 1254.92059号 ·doi:10.1214/11-AOAS531
[45] Uutela，K.、Hämäläinen，m.和Somersalo，E.（1999年）。使用最小电流估计值可视化脑磁图数据。神经影像10 173-180。
[46] Van Veen，B.D.、Van Drongelen，W.、Yuchtman，M.和Suzuki，A.（1997年）。通过线性约束最小方差空间滤波定位脑电活动。IEEE Trans。生物识别。工程44 867-880。
[47] Vo，B.N.、Singh，S.和Doucet，A.（2005年）。随机有限集多目标滤波的序贯蒙特卡罗方法。IEEE航空航天和电子系统汇刊41 1224-1245。
[48] Wu，S.C.、Swindlehurst，A.L.、Wang，P.T.和Nenadic，Z.（2012）。具有近最大似然性能的脑电系统中的有效偶极子参数估计。IEEE传输。生物识别。工程59 1339-1348。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。