文摘gydF4y2Ba

从生物磁效应数据自动估计电流偶极子仍是一个问题的任务。这不仅是由于反问题的病态性,而且两个固有偶极模型引入的困难:未知数量的来源和非线性源位置和数据之间的关系。最近,我们已经开发出一种新的贝叶斯方法,粒子滤波、基于动态跟踪偶极子的星座。与许多dipole-based方法相反,粒子滤波不承担平稳性的源配置:偶极子的数量和他们的位置估计和动态更新过程中梅格序列。我们已经开发了一种基于matlab的图形用户界面,允许非专家用户做自动偶极子与粒子滤波估计从梅格数据。在本文中,我们描述软件的主要功能和显示合成数据集和分析实验数据集。gydF4y2Ba

1。介绍gydF4y2Ba

传统的梅格诱发偶极装置领域是一个耗时的过程提供主观可靠来源的评估结果和专家用户要求;然而,甚至在很大程度上仍然用于评估梅格逆方法基于分布式当前假设[gydF4y2Ba1gydF4y2Ba,gydF4y2Ba2gydF4y2Ba),在任何情况下,被证明是明显有效的重建焦来源(gydF4y2Ba3gydF4y2Ba]。估计电流偶极子从梅格数据实际上是一个艰巨的任务,因为它需要解决几个交互模型顺序选择等问题(确定来源的数量),非线性优化(估计源位置)和线性最小二乘拟合(计算偶极子的优点)。大多数自动为偶极子估计算法提出了到目前为止,事实上,甚至传统的偶极装置,在几个重要的近似下工作:(1)偶极子的数量被认为是固定在整个序列,存在与否的一个给定源编码源本身的强度;(2)源的位置是固定的。生理参数,第二个假设是合理的,因为一个神经内的人口几乎没有移动。第一个假设是合理的;然而,基于这些假设的方法很难区分附近的来源,就算他们不重叠,因为两个偶极子放在近距离互动,产生虚假的活动。此外,在某些情况下,特别是当从数据来源的数量估计协方差矩阵利用代数结果(gydF4y2Ba4gydF4y2Ba),时间相关可以防止自动算法正确恢复神经来源。gydF4y2Ba

在[gydF4y2Ba5gydF4y2Ba),我们已经描述了一个源估计方法利用贝叶斯过滤和完全随机有限集和基于动态模型,拒绝的假设(1)和(2)前面提到的:在序列来源的数量可以改变,以及偶极子的位置。活动偶极子的数量及其位置估计在每一次样本动态和更新数据。近似与粒子滤波方法,即一种序贯蒙特卡罗算法,所涉及的后验密度贝叶斯过滤器。的出版物,我们已经讨论了可能的粒子滤波的优点和局限性,梅格显示直接(gydF4y2Ba6gydF4y2Ba)和间接(gydF4y2Ba5gydF4y2Ba)比较与其他可用的方法。gydF4y2Ba

在本文中,我们描述了使用的图形用户界面(GUI)开发了粒子滤波,哈迪斯(高度自动的偶极子估计)。地狱是一个开源,免费下载,基于matlab软件。至少GUI的目的是双重的:一方面,我们旨在分享方法和结果与其他研究人员,他们可能有机会调查本身的潜力和粒子滤波的局限性;另一方面,我们的目标是让更多观众的神经科学家可能少好奇方法论方面但可能更感兴趣的应用程序。gydF4y2Ba

本文组织如下。节gydF4y2Ba1gydF4y2Ba,一个非技术的描述提出了方法论的问题。节gydF4y2Ba2gydF4y2Ba,我们提供详细的软件,包括支持数据类型,许可的细节,和计算方面。节gydF4y2Ba3gydF4y2Ba,我们遵循详细的步骤合成数据集和分析实验数据,以向读者介绍接口的实际应用。节gydF4y2Ba4gydF4y2Ba,我们简要总结了软件的主要功能。gydF4y2Ba

2。方法gydF4y2Ba

本部分描述地狱的计算算法的基础和在软件中实现。它包含三个部分:第一个描述采用的模型和输入数据;第二个描述了粒子滤波和过滤器运行所需的运行时参数;第三个描述了估计过程和输出提供的地狱。gydF4y2Ba

2.1。模型假设和输入数据gydF4y2Ba

地狱是基于一个动力偶极模型的神经激活:在每个时间点,每个活动区域表示为一个电流偶极子。没有事先假设活动源的数量,而且没有限制的总数神经来源;计算的原因,然而,我们强加一个上界的数量同时活跃的偶极子。gydF4y2Ba

地狱是基于离散源空间:偶极子只能把有限的一组预定义的可能位置。这种近似的主要优势是导致字段可以被用来节省计算时间。此外,源空间可以是整个大脑体积,否则皮质表面时,可用;进一步提高定位精度,还一个方位限制可以选择性地使用(虽然皮质约束应该小心,因为有神经生理学的情况下,利用偶极装置,他们可能会导致偏颇或错误的结果)。gydF4y2Ba

所有的源参数假定为动力参数。源是一个动态变量的数量,是估计的数据。来源也允许移动期间,也就是说,跳源相邻点之间的空间。gydF4y2Ba

噪音是假定有一个高斯分布。估计噪声的空间协方差矩阵可以加载或计算;使用这些估计数据的对应于一个prewhitening。或者,我们可以假定噪声是高斯白和计算估计的噪声功率。gydF4y2Ba

输入数据需要运行地狱因此源空间和相应的字段。清单内所有的邻居相邻矩阵,用户选择半径,计算了地狱。可选的输入噪声协方差矩阵和一个信号空间投影矩阵。参见图gydF4y2Ba1gydF4y2Ba对于一个示意图表示。gydF4y2Ba

2.2。粒子滤波和运行时参数gydF4y2Ba

地狱的核心是一个随机有限集(RFS)粒子滤波。随机有限集的数学工具来处理一个未知的和不同数量的对象(gydF4y2Ba7gydF4y2Ba]。粒子滤波(gydF4y2Ba8gydF4y2Ba)指的是一种算法,尝试大量的偶极子配置,也叫gydF4y2Ba粒子gydF4y2Ba基于概率,选择这些配置标准。算法顺序:首先分析数据测量在第一个时间点,gydF4y2Ba,所得样品/时间样本。在每一次样品gydF4y2Ba假设一组gydF4y2Ba偶极子配置可用;然后该算法执行以下操作:gydF4y2Ba(1)gydF4y2Ba每个偶极子配置分配一个权重,基于测量数据之间的差异和具体领域产生的偶极子配置,gydF4y2Ba(2)gydF4y2Ba使用加权偶极子配置的云计算的估计数量的来源和它们的参数,gydF4y2Ba(3)gydF4y2Ba抛弃粒子权重较低和用粒子权重高,只为了保持最可能的偶极子配置,同时保留粒子的总数gydF4y2Ba,gydF4y2Ba(4)gydF4y2Ba让每一个偶极子配置随机进化,从而产生偶极子配置的设置时间gydF4y2Ba需要在步骤1,从第一步开始。gydF4y2Ba

根据RFS框架,偶极子的数量在每个粒子可能会有所不同从零到最大;偶极子配置可能发生损失或偶极子的诞生在第四步的时间演化。gydF4y2Ba

数量gydF4y2Ba的粒子是第一个参数设置:使用一个大gydF4y2Ba原则上保证更好的结果;计算时间与这个数是线性增加的,因此一个好的平衡必须寻求稳定和计算时间。gydF4y2Ba

在步骤1,权重过程噪声的先验假设统计发挥重要作用,因为预期的测量数据之间的差异和订单的具体字段应该的噪音。然而,有几个原因噪声估计可以在很多情况下是令人不满意的。在这种情况下,你可能想要一个弱/强符合数据,对所提供的简单的噪声估计。因此,我们引入了gydF4y2Ba差异gydF4y2Ba噪声估计的参数作为一个乘法因素。设置一个小值(< 1)的差异意味着需要更强的适应;算法将试图复制数据细节,可能利用更多的资源,可能表现出较低程度的稳定性和可靠性。相反,设置一个较大的值意味着一个较弱的健康是必需的,相反的结果结束了一个低数量的稳定来源。gydF4y2Ba

2.3。源估计和输出gydF4y2Ba

地狱的估计过程经历三个主要步骤。前两个步骤执行在每一个采样时间点的梅格序列(第2步在前面小节),并产生时变估计偶极子参数:首先,该算法得到的估计gydF4y2Ba偶极子的数量,然后计算估计的实际参数(位置和偶极矩)gydF4y2Ba偶极子。然而,这些动态估计不确定个人神经来源,因为没有简单的偶极子估计和不同时间点之间的关系。考虑到所有偶极子估计时间点的集合,然后应用一个第三步,绑定在一起在不同的时间点偶极子估计但可能代表相同的神经来源。这个聚类可以在两个不同的配置:要么偶极子分组仅基于他们的位置,否则偶极子分组都基于位置和方向。最后的集群自动估计一个递归的过程,从用户定义的最大数量的集群和减少这个数字直到所有估计的集群是明显不同的。一旦偶极子已经分配给不同的集群,可能对应于不同的神经来源,是有意义的计算的平均位置属于每个集群的偶极子;这个平均位置可以被看作是一个估计的神经源位置和相应的源波形也可以计算。gydF4y2Ba

HADES的输出的动态估计源参数的来源和数量,加上全球从集群获得照片。指图gydF4y2Ba4gydF4y2Ba作为一个典型的与地狱执行结果的数据分析,用户可以查看以下。gydF4y2Ba(1)gydF4y2Ba动力学模型估计(图gydF4y2Ba4(一)gydF4y2Ba),也就是说,后验概率的数据已经由1、2、3、…偶极子作为时间的函数;源的数量的累积分布可视化作为一个地区,不同的颜色代表不同的概率模型。gydF4y2Ba(2)gydF4y2Ba(图源的动态估计位置gydF4y2Ba4 (b)gydF4y2Ba);在这个图中所有的偶极子估计整个序列叠加,用户实际上可以选择只想象中的偶极子估计选定的时间窗口。gydF4y2Ba(3)gydF4y2Ba集群的偶极子的位置估计,与相应的振幅波形(图gydF4y2Ba4 (c)gydF4y2Ba);因为这些波形计算动态源位置,他们表现出一定程度的不连续跳跃对应的源位置。gydF4y2Ba(4)gydF4y2Ba平均每个集群的源位置(图gydF4y2Ba4 (d)gydF4y2Ba),与相应的振幅波形目前连续的。gydF4y2Ba

而定位板显示大脑的三个标准视图,数据实际上包含三维信息和用户可以旋转视图。gydF4y2Ba

3所示。软件详细信息gydF4y2Ba

地狱是一个基于Matlab的图形用户界面,这需要Matlab运行。已经7.9.0在Matlab编写和测试的版本,因此完整的兼容性是不能保证在早期版本。gydF4y2Ba

输入数据可以提供标准MatlabgydF4y2Ba.matgydF4y2Ba格式和纯gydF4y2Ba美国信息交换标准代码gydF4y2Ba格式;的NeuromaggydF4y2Ba.fifgydF4y2Ba格式支持通过一组功能包含在外资企业(gydF4y2Ba9gydF4y2Ba]Matlab工具箱gydF4y2Bahttp://www.nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNEgydF4y2Ba。输入数据的格式的更多细节可以在地狱手册,可用gydF4y2Bahttp://hades.dima.unige.it/gydF4y2Ba。gydF4y2Ba

结果在不同的格式,可以导出其它工具箱的可视化。目前,哈迪斯特性导出选项如下:gydF4y2Ba(我)gydF4y2Ba一个gydF4y2Ba.stcgydF4y2Ba文件包含的估计序列偶极子,在外资企业和可以被可视化为电影;此外,第一次样品的出口文件包含所有估计的偶极子的叠加,得到估计的神经活动的总体情况;gydF4y2Ba(2)gydF4y2Ba一个gydF4y2Ba.matgydF4y2Ba文件包含估计偶极子的序列在时间和可以被可视化为电影在头脑风暴(gydF4y2Bahttp://neuroimage.usc.edu/brainstormgydF4y2Ba),第一次样品的导出文件包含所有估计的偶极子的叠加,得到估计的神经活动的总体情况;gydF4y2Ba(3)gydF4y2Ba一个gydF4y2Ba.wgydF4y2Ba文件,其中包含所有偶极子估计时间点的位置,可以可视化FreeSurfer (gydF4y2Bahttp://surfer.nmr.mgh.harvard.edu/gydF4y2Ba)[gydF4y2Ba10gydF4y2Ba,gydF4y2Ba11gydF4y2Ba]。gydF4y2Ba

地狱不是绑定到一个特定的硬件梅格:所有硬件相关的组件实际上是包含在输入数据(铅,源空间,和测量)。原则上,地狱可能适用于脑电图数据;实验验证与脑电图仪的测量是在进步。gydF4y2Ba

算法的计算成本线性增长(i)分析时间样本的数量和(2)粒子的数量。运行10000个粒子在一个标准的PC(英特尔Core2四2.83 GHz CPU、RAM 4 GB)算法需要平均0.8秒/时间样本。gydF4y2Ba

哈迪斯(gydF4y2Bahttp://hades.dima.unige.it/gydF4y2Ba)是一个免费的,但受版权保护的软件、分布式的条款下发布的GNU通用公共许可证作为自由软件基金会(版本2或在你选择任何版本)。gydF4y2Ba

4所示。结果gydF4y2Ba

在本节中,我们讨论的两个例子源建模使用地狱执行。首先,我们使用合成数据,以便地面真理是已知的;这里的示例数据分析包含在地狱包进行进一步分析和测试。然后,我们分析一组实验数据对应的刺激左和右拇指。gydF4y2Ba

4.1。合成数据gydF4y2Ba

数据(参见图gydF4y2Ba2gydF4y2Ba)是由六个来源:表gydF4y2Ba1gydF4y2Ba总结了位置和峰延迟的来源,而图gydF4y2Ba3gydF4y2Ba显示源位置和动态。源2和3有相同的延迟,但是不同的持续时间;来源4和5波形完全相同,也就是说,他们是时间相关;来源1和6在同一个位置。源点不属于源空间使用的逆算法。梅格传感器对应Neuromag Vectorview系统功能102位置和3通道位置,一个磁强计,2平面梯度仪,用于306个频道。在这里,我们只雇佣204平面梯度仪。添加高斯白噪声:噪声标准差gydF4y2Ba;最强的来源,峰值信噪比的计算gydF4y2Ba,在那里gydF4y2Ba是数据矩阵,gydF4y2Ba是噪声矩阵,然后呢gydF4y2Ba弗罗贝尼乌斯准则,是大约10 dB。所有信号的叠加图所示gydF4y2Ba2gydF4y2Ba。gydF4y2Ba

我们第一次加载源空间和铅字段从弹出窗口。然后,我们加载测量:我们设置起始时间点(−100 ms),采样频率(1000赫兹),和prestimulus区间的长度(从100−0 ms)噪声方差的估计。源空间是由13026点,定期间隔0.5厘米的脑容量,并没有使用皮质约束。gydF4y2Ba

以下4.4.1。单独运行gydF4y2Ba

我们将粒子数设置为10000,差异参数1和运行粒子滤波。gydF4y2Ba

结果如图所示gydF4y2Ba4gydF4y2Ba。6的两个来源产生数据丢失:事实上,它们是两个来源1和6在相同的位置,也是生产的最小的传感器的信号水平。集群的初始数量设置为4,由于重建的偶极天线(图的目视检查gydF4y2Ba4 (b)gydF4y2Ba从模型选择(图)和证据gydF4y2Ba4(一)gydF4y2Ba),这表明two-dipole模型在两个独立的时间窗口。gydF4y2Ba

考虑所有的重建时间点偶极子,偶极子之间的平均距离和相应的来源是1.1厘米,标准差为0.8厘米,最大的距离是3.3厘米,最小距离为0.24厘米。尽管如此大的最大误差,平均偶极的集群(图gydF4y2Ba4 (d)gydF4y2Ba)似乎好(cf图近似的真正来源gydF4y2Ba3gydF4y2Ba),距离0.3厘米,0.4厘米,0.9厘米,1.35厘米的真正来源。这是解释为估计的偶极子很对称分布在真正的来源。gydF4y2Ba

4.1.2。优化的参数gydF4y2Ba

如前一节所述,调优参数的差异对应要求高/低符合数据。我们再次运行10000个粒子的粒子滤波,首先设置差异0.7(高符合要求),然后到2(低)。结果如图gydF4y2Ba5gydF4y2Ba和gydF4y2Ba6gydF4y2Ba,分别。与较低的差异,该算法恢复两个弱的来源,来源1和6。这个数字已经获得的聚类偶极子在5组。与更高的差异,该算法失去跟踪源1、2、5、6。gydF4y2Ba

重建的偶极子之间的平均距离和真正的来源是在同一范围的统一的差异。gydF4y2Ba

4.2。实验数据gydF4y2Ba

梅格数据提供的Sabine默博士(拉弗尔斯监狱医院,巴黎),使头脑风暴的网站上可以下载。数据被记录在一个周大福机轴向梯度仪(151)在拉弗尔斯监狱医院,巴黎。协议由慢吞吞地从双手手指的电刺激;分析数据平均响应(400试验)的刺激右拇指(R)和左拇指(L)(见图gydF4y2Ba7gydF4y2Ba)。铅场矩阵导出使用头脑风暴软件,以及源空间;源空间由15010源点分布在皮质表面。1厘米的距离被选为计算相邻矩阵。两个数据集都使用10000个粒子和差异分析参数设置为1;方向约束是不习惯,虽然可用。左和右拇指刺激实验结果中描述的数据gydF4y2Ba8gydF4y2Ba和gydF4y2Ba9gydF4y2Ba分别。左边的数据,获得合理的源定位首次运行,与标准的差异值。使用正确的数据,相反,标准参数值提供合理的定位与峰值对应的激活,再加上一些其他在之后的时间点偶极子散射显然是不太可能的位置。清洁重建可获得增加差异参数(参见图gydF4y2Ba9 (c)gydF4y2Ba和gydF4y2Ba9 (d)gydF4y2Ba)。gydF4y2Ba

5。讨论和结论gydF4y2Ba

地狱是一个基于matlab,免费下载软件从梅格数据动态估计电流偶极子。它是在GPL下发布的,有一个简单的图形用户界面,允许非专家用户做偶极子自动建模。gydF4y2Ba

粒子滤波地狱是基于[gydF4y2Ba5gydF4y2Ba),及时跟踪后偶极子星座密度;统计估计是用来提供动力的来源和数量的估计源参数。地狱的主要创新的特性,可用的偶极子估计方法,与底层的动力学模型:偶极子不限制有固定位置,也为整个时间序列是活跃的。相反,来源和所有源参数估计的数量在每个采样时间点;特别是,哈迪斯提供了一个动态模型选择函数,这表明在每个时间点的概率所产生的数据gydF4y2Ba偶极子。获取源估计和连续源波形稳定,实现聚类过程,结合偶极子代表相同的源在不同的时间点。由于底层模型的通用性,地狱可以恢复相关源和歧视附近的偶极子有不同的取向。另一方面,粒子滤波计算要求对其他评估方法,和semianalytic解决方案(gydF4y2Ba12gydF4y2Ba贝叶斯过滤功能更好的统计特性但更高的计算要求。gydF4y2Ba

地狱的表演是插图的合成数据由一个复杂的源配置,以及一组实验数据。合成数据来说明差异尤其有用参数中扮演一个重要的角色在选择大/小数量的来源。也得出相同的结论可以得出的实验数据集,进一步考虑,在现实情况下神经的特殊结构噪声更可能产生虚假的活动。gydF4y2Ba

结果的可视化仅限于一个非常简单的3 d图的源空间估计源叠加。然而,可视化的结果可以导出其他工具箱,叠加到高分辨率磁共振成像片或膨胀的表面是有可能的。选择外资企业出口,目前支持Freesurfer,头脑风暴。即将发布的工具箱可能功能更好的内置的可视化工具。gydF4y2Ba

地狱被认为为偶极子估计的高度专业化的工具箱。因此,它并不意味着取代其它工具箱,但可能与他们提供集成数据集不同的观点。因为这个原因,没有工具目前正在开发的综合性分析,尽管HADES-reconstructed保存在偶极子。垫文件统计分析的结果,可以利用通过外部工具箱。gydF4y2Ba

更一般来说,工具箱是在它的第一个阶段,发展的方法可能会将更多的功能添加到工具箱。未来可能包括方法论的发展gydF4y2Ba(我)gydF4y2Ba调查策略消除伪激活神经所产生的噪音,gydF4y2Ba(2)gydF4y2Ba提供一个估计每个源的定位精度,基于底层的后验密度的传播,gydF4y2Ba(3)gydF4y2Ba建模的神经来源nondipolar电流,如多极来源或皮质补丁。gydF4y2Ba

所有未来的发展将朝着自动化和从梅格/脑电图数据来源的可靠性估计。gydF4y2Ba

确认gydF4y2Ba

马蒂·Hamalainen教授亲切地承认他的帮助在外资企业软件的使用。作者在一定程度上是由基金会的资助支持德拉Cassa di Risparmio di维罗纳。gydF4y2Ba