热点事件持续更新
研究提出M/EEG贝叶斯源成像不确定性校准框架
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年11月6日，研究者在arXiv发表论文，提出了基于模拟的经验贝叶斯M/EEG源成像不确定性量化与校准框架。研究对比评估了BMN+sLORETA与SBL+S-FLEX两种方法。结果表明，重校准前SBL+S-FLEX取得了更低的Wasserstein定位误差与更小的不确定性，采用事后保序重校准后，二者的后验覆盖率均得到进一步改善。此外，在真实听觉MEG数据验证中，SBL+S-FLEX同样展现出更聚焦的定位与更紧致的不确定性。
AI 根据报道生成 · 5 小时前更新
最新进展11月6日 13:00
研究提出经验贝叶斯M/EEG源成像校准框架，事后重校准有效改善后验覆盖率。报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv 机器学习贝叶斯 M/EEG 源成像中的不确定性校准
研究提出了基于模拟的经验贝叶斯 M/EEG 源成像不确定性量化与校准框架，对比评估了 BMN+sLORETA 与 SBL+S-FLEX。重校准前 SBL+S-FLEX 取得了更低的 Wasserstein 定位误差与更小的不确定性，事后保序重校准进一步改善了二者的后验覆盖率。在真实听觉 MEG 数据中，SBL+S-FLEX 展现出更聚焦的定位与更紧致的不确定性。
本事件热度走势
当前热度 9·可比范围峰值 10（11月6日 14:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。