研究背景和研究目的 随着神经科学领域的不断发展，识别与功能网络相关的间接观察过程成为了一个重要的研究方向。研究人员试图通过电生理信号（如脑电图EEG和脑磁图MEG）来估计这些功能网络的活动。然而，这一过程通常涉及逆问题，即从观测数据推断潜在的脑活动，这给研究带来了巨大的挑战。 在这篇文章中，作者们针对这一挑战提出了新的方法。他们指出，传统方法在估计功能连接性时存在显著误差，主要是由于功能网络模型的误配。这些误差在很大程度上影响了功能连接性的准确性，从而限制了我们对脑功能的理解。为了解决这一问题，作者们引入了一种基于贝叶斯理论的隐藏高斯图谱模型（Hidden Gaussian Graphical Spectral, HiGGS），以更准确地识别脑的振荡网络。 研究来源 本文由Deirel Pa...