基于卡尔曼滤波理论的脑电逆问题反演 1引言 (1)脑电图(EEG)是由分布在头皮上的电极无 创测量得到的脑电信号。 (2)脑电技术的一个关键问题就是如何进行脑 电逆问题的求解，即如何通过测量得到的电 位来推断出大脑内神经活动源的信息。 (3)脑电逆问题的解决对脑功能的研究有着重 要的科学意义和临床应用价值
基于卡尔曼滤波理论的脑电逆问题反演 1 引 言 (1)脑电图( EEG)是由分布在头皮上的电极无 创测量得到的脑电信号。 (2) 脑电技术的一个关键问题就是如何进行脑 电逆问题的求解,即如何通过测量得到的电 位来推断出大脑内神经活动源的信息。 (3) 脑电逆问题的解决对脑功能的研究有着重 要的科学意义和临床应用价值
基于卡尔曼滤波理论的脑电逆问题反演 (4)在求解脑电逆问题的过程中存在以下难点： 一是解的非唯一性，即从头皮测量得到的电位分布不能 唯一地确定脑电源的数量、位置和分布，这是逆问题 求解过程中最主要的问题。 二是解的不稳定性，即输入很小的噪声或扰动都会引起 解的振荡。 三是测量数据的不完备、观测误差和随机干扰，都不可 避免地会造成出现多个解
基于卡尔曼滤波理论的脑电逆问题反演 （4）在求解脑电逆问题的过程中存在以下难点: 一是解的非唯一性,即从头皮测量得到的电位分布不能 唯一地确定脑电源的数量、位置和分布, 这是逆问题 求解过程中最主要的问题。 二是解的不稳定性，即输入很小的噪声或扰动都会引起 解的振荡。 三是测量数据的不完备、观测误差和随机干扰,都不可 避免地会造成出现多个解
基于卡尔曼滤波理论的脑电逆问题反演 (5)现有方法： ·最小模法(MNE) 最小模法是分布源模型中出现最早且被普遍采用的成 像方法，其出发点就是选择具有最小模的值为最终解，它对应 于一幅具有最小能量的电流密度分布图像。 该算法是寻找最小能量解的过程，其代价函数为： min J 2=minJ TJ J表示由多个点的电流密度组成的矩阵，J「是」的转置矩阵
基于卡尔曼滤波理论的脑电逆问题反演 （5）现有方法： • 最小模法(MNE ) 最小模法是分布源模型中出现最早且被普遍采用的成 像方法, 其出发点就是选择具有最小模的值为最终解, 它对应 于一幅具有最小能量的电流密度分布图像。 该算法是寻找最小能量解的过程, 其代价函数为: min | J |2 =minJ T J J 表示由多个点的电流密度组成的矩阵，J T 是J 的转置矩阵
基于卡尔曼滤波理论的脑电逆问题反演 ·多信号分类算法(MUSIC) 一种典型的偶极源定位方法，这种算法是在 信号子空间算法的基础上，运用单个偶极子进行 一次3维空域网格点的搜索扫描来完成对多个脑 电源的空域定位
基于卡尔曼滤波理论的脑电逆问题反演 • 多信号分类算法(MUSIC ) 一种典型的偶极源定位方法，这种算法是在 信号子空间算法的基础上,运用单个偶极子进行 一次3维空域网格点的搜索扫描来完成对多个脑 电源的空域定位
基于卡尔曼滤波理论的脑电逆问题反演 (6)现有方法存在的问题： 传统方法很少考虑到脑电系统中不确定因素影响 的问题，这跟实际情况有很大的差距。 由于在求逆过程中，如果不对噪声做任何分析，那么 势必会影响到脑电源定位的精确度，而且在运用中也 将会受到很大限制，因此有必要寻求一种更为有效的求 逆方法
基于卡尔曼滤波理论的脑电逆问题反演 （6）现有方法存在的问题： 传统方法很少考虑到脑电系统中不确定因素影响 的问题, 这跟实际情况有很大的差距。 由于在求逆过程中, 如果不对噪声做任何分析, 那么 势必会影响到脑电源定位的精确度, 而且在运用中也 将会受到很大限制, 因此有必要寻求一种更为有效的求 逆方法