Localisation de source

Localisation de source dans le contexte d’imagerie cérébrale :

La toolbox FAµST a été utilisée dans le cadre d’une expérience de localisation de source pour une application d’imagerie cérébrale.
Pour cela, plusieurs matrices d’approximations de gain appelées Magnétoencéphalographie (MEG) « Mi » ont été calculées à partir de l’algorithme de factorization hiérarchique (basé lui-même sur l’algorithme PALM4MSA).
Un algorithme de codage parcimonieux a ensuite été utilisé pour résoudre le problème de localisation de source grâce à la matrice de gain MEG ou son approximation FAµST.
Les deux figures suivantes illustrent les résultats de compromis entre le gain de rapidité de l’algorithme et l’erreur de localisation selon l’utilisation ou non d’une matrice FAµST.

Reproduisez ces figures!

Avec matfaust:
>> import matfaust.demo.bsl.*
>> BSL()
>> Fig_BSL()
Voir aussi la doc API

Avec pyfaust:
>>> from pyfaust.demo import bsl
>>> bsl.run()
>>> bsl.fig_convergence()
>>> bsl.fig_time_cmp()
Voir aussi la doc API

meg_distance
bsl

Les commentaires sont clos.