EEG 功能连接的数学框架：分类体系、度量关系、可辨识性与解析界限

基于摘要分析。本文研究能否从一种 EEG 功能连接指标推断另一种指标，提出以容许状态空间和跨连接可达集合为核心的数学框架，区分精确确定、借助附加信息的条件确定、有界推断、近似辨识与不可辨识。主要贡献是明确不同连接指标之间的推断条件与信息边界，而非提出新的 EEG 解码算法。 框架将功能连接度量视为从显式定义的容许状态空间到观测值的映射：给定源度量的观测值，收集所有与之相容的目标度量值，形成跨连接可达集合。其核心在于避免仅凭指标相关或概念相近，就将一种指标的结果解释为另一种指标的证据。作者还将框架扩展至多通道连接矩阵、图度量和动态连接，并纳入滤波、参考方式、容积传导、源泄漏、逆建模、分段时长及估计器假设对推断范围的影响。 作者报告的解析示例涉及协方差与相关性、联合高斯条件下的互信息与相关性，以及受限信号条件下的相干性与相位锁定值关系；作者同时指出，在缺少额外假设时，相位滞后指数与加权相位滞后指数通常不可辨识。这些结论均需结合各自的状态空间及信号假设理解，不能直接推广到任意 EEG 数据或预处理流程。 该工作可为 EEG 功能连接分析中的指标选择与结果解释提供理论核对框架，但摘要未提供具体解析界限、完整证明、实证数据或实现信息，相关内容尚未验证。阅读全文时应重点核对各示例的假设、可达集合的构造及其对实际估计误差的处理；实验协议、消融及统计信息尚未验证。