3-CurrentVarianceEstimation

階層ベイズ推定による最適逆フィルタ推定

数多く提案されている電流源推定アルゴリズムの中で、観測磁場から電流源分散の空間的なパターンを推定する点がVBMEGの独自性である。そのためには、fMRI実験から得た空間情報を先見情報として使用し、観測データと結合することによって、ベイズ法によって事後分布の最頻値として推定される。この推定した事後分散値とリードフィールド行列を用いることによって、観測磁場から電流源への変換行列が形成される（電流源から磁場への変換行列リードフィールド行列を順フィルタと呼ぶのに対して逆フィルタと呼ぶ）。

bayes_parmについて

電流源分散推定プログラムを動作させるためには、

必要なファイルの設定
各種パラメータの設定

を行う必要があり、それらの値は'bayes_parm'の各フィールドとして設定される。以下に各フィールドの説明と変数型をカテゴリごとに記述する。

基本パラメータ

フィールド名	説明	変数型	例	備考
brainfile	脳モデルファイル	string	‘100009d.brain.mat’
basisfile	リードフィールド行列ファイル	cell array of string	{‘c000157.basis.mat’}
megfile	MEGファイル	cell array of string	{‘c000157.meg.mat’}
bayesfile	結果ファイル（出力）	string	‘c000157.bayes.mat’
actfile	ｆMRI強度情報ファイル	string	‘100009d.act.mat’
areafile	活動領域ファイル	string	‘100009d.area.mat’
act_key	fMRI強度情報ID	string	‘Retino_LLvsRest_C05'
area_key	活動領域ID	string	‘brodmann area 4’
twin_meg	解析用の時間窓（単位:タイムポイント）	1x2 vector	[1 1024]
Tnext	分割時間窓のオンセット（単位:タイムポイント）	scalar or 1xn vector	100 or [1 101 201]
Tperiod	分割時間窓の継続期間（単位:タイムポイント）	scalar or 1xn vector	100 or [100 100 100]

推定モデルパラメータ

VBMEGでは電流源から観測磁場（MEG）への順モデル（推定モデル）を決める必要がある。推定モデルは観測ノイズ分散の共分散構造や事前電流源分散の共分散構造などいくつかの要因が合わさっているものである。以下で示す複数のフィールドは設定に関連しあっているため、設定にはある程度の知識が必要である。VBMEGではでよく使われるモデルをいくつか登録してあり'estimation_model'というフィールドを設定することによって、その他の関連するフィールドが自動設定される。

estimation_model	推定モデル	integer (1- 6)	1	1,2 : Fixed sensor noise (global+focal) 3,4 : Covariance observation noise (focal) 5,6 : Estimated sensor noise (global + focal)。選んだモデルによって以下のフィールドの値が、自動設定される。
フィールド名	説明	変数型	例	備考
megnoisefile	センサノイズ推定用MEGファイル	string	‘c000157.meg.mat’
forward_model	電流源分散モデル	string	'focal' or‘global+focal'
update_sx	観測ノイズ分散更新フラグ	integer	ON or OFF
update_v	背景電流源分散更新フラグ	integer	ON or OFF
noise_model	観測ノイズの共分散構造モデル	integer (1,2,3)	1	1.等方分散(単位行列*定数) 2.対角行列, 3.フル共分散構造
twin_global	背景電流源分散の初期値計算用の時間窓	1x2 vector	[1 300]
twin_noise	観測ノイズ分散の共分散構造推定用の時間窓	1x2 vector	[1 300]

Advanced パラメータ

[]はデフォルト値を表す。