颅内脑电能帮助头皮脑电:通过颅内先验改进临床头皮脑电分析
iEEG Can Help EEG: Improving Clinical Scalp EEG Analysis through Intracranial Priors
预印本 · 尚未经过同行评审
头皮脑电易受非神经干扰和容积传导影响,而现有方法几乎只在头皮模态内处理。作者提出 ReBrain,先在颅内脑电上拟合信号到信号模型并冻结为跨模态先验,再把头皮信号经该先验重新表达,可插到任意下游模型之前,无需配对或微调。结果显示,来自多家医院的记录和多种模型结构上宿主模型表现均提升,分析将增益归于颅内脑电携带的神经结构。代码已公开。
先在颅内脑电上训练信号到信号模型并冻结为跨模态先验,再用于头皮脑电,无需配对数据或微调,在多医院记录和多种模型结构上均提升下游表现。
头皮脑电图(EEG)是临床脑监测的基石,其信号质量对下游任务与模型至关重要。然而,该信号受到非神经干扰的严重污染,并因容积传导而变得模糊。现有方法几乎完全在头皮模态内运作,因此它们继承了本需要克服的污染。在实践中,颅内脑电图(iEEG)以高得多的保真度观测神经活动,但它是侵入性的,因而稀缺;两种模态很少在大规模上成对记录,不共享共同的通道空间,也没有干净的基准真值来直接监督映射。受两种模态共有的神经元同步机制启发,我们提出一种重编程方法,仅在 iEEG 上拟合信号到信号的模型,并将其冻结为跨模态先验。我们提出 ReBrain,一个将 iEEG 学习到的先验迁移至头皮 EEG 的框架,它通过该先验重新表达任意头皮信号,并可插入任意下游模型的上游,无需配对或微调。ReBrain 在来自多家医院的记录以及不同架构家族上均能一致地改进宿主模型,我们的分析将这一增益追溯到 iEEG 所携带的真实神经结构,而非架构本身。这项工作提供了证据,表明一种稀缺的干净模态可以作为一种丰富的噪声模态的可迁移先验,为生物信号间的跨模态迁移提供了一种通用方案。我们的代码可在 https://github.com/Xianglong-Bao/ReBrain 获取。
中文由 AI 翻译,仅供参考,以原文为准。
来源:arXiv · Signal Processing · arxiv.org