Dynamic inverse problem solution using a kalman filter smoother for neuronal activity estimation

En este artículo se presenta un método de estimación de la actividad neuronal sobre el cerebro usando un filtro de Kalman con suavizado, que tiene en cuenta en la solución del problema inverso, la variabilidad dinámica de la serie de tiempo. Este método es aplicado sobre un modelo realista de la cabeza, calculado con elementos finitos de frontera. Se presenta un análisis comparativo entre diferentes métodos de estimación y el método propuesto sobre señales EEG simuladas para diferentes condiciones de relación señal a ruido. La solución del problema inverso se hace utilizando computación de alto desempeño y se presenta una evaluación delcosto computacional para cada método. Como resultado, el filtro de Kalman con suavizado presenta un mejor desempeño en la tarea de estimación comparado con la solución estática regularizada, y la solución dinámica sin suavizado.

Abstract

This article presents an estimation method of neuronal activity into the brain using a Kalman smoother approach that takes into account in the solution of the inverse problem the dynamic variability of the time series. This method is applied over a realistic head model calculated with the boundary element method. A comparative analysis for the dynamic estimation methods is made up from simulated EEG signals for several noise conditions. The solution of the inverse problem is achieved by using high performance computing techniques and an evaluation of the computational cost is performed for each method. As a result, the Kalman smoother approach presents better performance in the estimation task than the regularized static solution, and the direct Kalman filter.