Regularización de problemas dinámicos inversos en la generación EEG mediante estimación dual basada en el filtro de Kalman

Resumen

Este estudio presenta la aplicación de dos filtros de Kalman secuenciales para realizar la regularización de problemas inversos dinámicos como lo es la reconstrucción de las distribuciones de corriente en la actividad neuronal en el cerebro, a partir de señales de electroencefalografía. El filtro de Kalman es un algoritmo eficiente para reconstruir de manera óptima las densidades de corriente bajo ciertas hipótesis de operación, estas son: la relación entre estados consecutivos y estados y observaciones, son ambas distribuciones Gaussianas. La metodología propuesta obtiene resultados coherentes con el estado del arte, cuando se incrementa el número de fuentes; sin embargo se necesita un cambio en la estructura de estimación, ya que se puede incurrir en un alto costo computacional