加州大学圣地亚哥分校（UCSD）电气与计算机工程博士项目的毕业生David Wipf因其在人类功能性脑成像领域的研究，荣获2006年神经信息处理系统会议（NIPS）杰出学生论文奖。这项研究为源定位问题中的贝叶斯方法提供了新的见解。

Wipf在研究中探讨了如何利用贝叶斯统计方法改进功能性脑成像技术（如脑磁图MEG和脑电图EEG）的源定位能力。功能性脑成像通过头皮表面或附近的传感器测量电磁场，具有出色的时间分辨率。然而，如何准确定位这些电磁场的脑源仍是一个尚未解决的难题。

Wipf和他的团队在UCSD信号处理与智能系统实验室以及UCSD计算神经科学斯沃茨中心的支持下，研究了多种贝叶斯方法，并提出了一个通用框架，整合了多种现有的贝叶斯技术。通过这一框架，他们能够更清晰地评估不同贝叶斯方法在源定位中的优劣，并揭示了这些算法之间的联系。

Wipf表示：“通过围绕自动相关性判定（ARD）的概念开发通用框架，推导出若干理论性质，并展示算法之间的联系，我们希望为这些技术带来更深入的理解。”

该研究的成果不仅具有理论意义，还可能推动现有算法的改进，从而提高功能性脑成像技术在时间和空间分辨率上的表现。这对于研究神经活动与行为、感知、认知及运动过程之间的关系具有重要意义。

Wipf的论文题为《神经电磁源定位的经验贝叶斯方法分析》（Analysis of Empirical Bayesian Methods for Neuroelectromagnetic Source Localization），是从62篇提名论文中脱颖而出的三篇获奖论文之一。该论文的共同作者包括Rey Ramírez、Jason Palmer、Scott Makeig和Bhaskar Rao，他们均来自UCSD。

Wipf的博士论文导师、UCSD工程学院电气与计算机工程系教授Bhaskar Rao表示：“NIPS是一个顶级会议，能够在这样的平台上获奖是一个了不起的成就。”

有关该研究的更多信息，请联系：
Daniel Kane
加州大学圣地亚哥分校