PINR-ESI：用于EEG扩展源成像的物理信息自监督隐式神经表征框架

EEG扩展源成像旨在定位活跃的皮层区域并刻画其空间范围，然而有监督的逆问题网络通常依赖合成的EEG-源配对数据，且可能对合成数据与真实数据之间的失配较为敏感。我们提出了一种物理信息驱动的自监督隐式神经表示（INR）框架，用于在无需配对源标签或基于仿真的有监督预训练的情况下进行空间源重建。导联场矩阵编码了源到传感器的容积传导模型，并通过预测EEG与实测EEG之间的一致性来约束INR。皮层电流密度被建模为连续的坐标条件场。经典逆估计提供热初始化以及对源活动的空间约束，而分块积分投影将场映射为离散的源系数以用于前向建模。在不同噪声水平、源数量和源范围下的仿真显示，该方法在识别活跃皮层区域方面具有最明显的优势，尤其是对于多个源和较大源的情况。使用癫痫患者的真实EEG记录和颅内刺激实验进行的定量与定性评估进一步支持了该框架用于源成像的可行性。这些发现表明，物理信息驱动的自监督INR在扩展源成像方面具有潜力。

中文由 AI 翻译，仅供参考，以原文为准。