利用非线性优化方法进行脑磁源定位

脑磁图 (Magnetoencephalography ,MEG)用于人脑的诱发神经活动的成像 ,具有很好的时间分辨率 ,能无损地监测脑神经活动。本文探讨了脑磁的基本理论 ,中心问题是根据头外测得的磁场数据来进行脑磁源的定位 ,此逆问题属于不定问题 ,需加一些限制以期得到合理的解。本文的源模型和头模型采用均匀球头导体中的单电流偶极子模型 ,利用非线性优化方法反演脑磁源参数 ,并采用了一种综合的非线性优化法来提高反演的精度和速度。仿真实验表明该方法是可行有效的。

真实头模型中的多电流偶极子脑磁源定位

给出了真实头模型下多电流偶极子定位的通用公式 ,并对多种源的情况进行了计算机模拟 ,逆问题的求解采用全局优化与局域优化相结合的优化方法 ,在较强的噪声背景下得到了较好的定位结果 .其中 ,在偶极子源较少时 ,采用了球对称导体模型与真实头模型相结合的混合模型 。

利用脑磁图-多重信号分类算法求解真实头模型中磁源定位问题

脑磁图 多重信号分类 (MEG MUSIC)算法与常见的利用时域空域数据定位多偶极子源的全局优化方法相比 ,具有求解速度快、独立确定各偶极子源的位置、求解难度与偶极子数量无关等优点 ,在偶极子数量较多的情况下 ,MEG MUSIC算法的优势显得更为突出 .利用MEG