多层 EEG 连接网络的图论分析

基于摘要分析。该研究针对传统脑功能连接网络通常局限于特定时间窗和单一频带、难以表征跨频带连接的问题，提出以不同频带作为网络层的多层 EEG 功能连接框架，并将其应用于人脑错误监测研究中的 EEG 数据。 核心机制是区分两类连接：层内边由相位同步量化，层间边由相位—振幅耦合量化。作者进一步引入多层度、参与系数和聚类系数，用于描述节点跨频带层的中心性及不同频带的重要性。相较于单频带网络，这一框架的主要贡献是将频带内同步与跨频带耦合纳入同一图表示，而不是提出新的 EEG 分类器。摘要虽以时间和频率维度的信息损失作为研究动机，但明确描述的分层依据是频带，是否进一步建模时变连接尚未验证。 作者报告该框架已应用于错误监测 EEG 数据，但摘要未提供定量结果、具体频带、被试数量、任务条件或对照网络。相位同步与相位—振幅耦合的估计方式、边权处理、统计检验、实验协议及消融信息尚未验证；因此不能据此判断其相对单层网络的性能优势或 BCI 有效性。 平台推测（待验证）：若错误监测相关信息存在于跨频带耦合中，多层图指标可能作为错误相关 EEG 解码的候选特征。可复用的是连接构建及图指标计算，需另行设计特征提取时间窗和解码评估协议。低信噪比、短时间窗、通道差异及跨被试变异可能导致耦合估计不稳定。一个可检验的小实验是在同一错误监测数据划分和分类器下，比较仅使用层内图指标与加入层间连接后指标的解码表现；这只是验证假设，不是论文已报告的实验。已有相关 EEG 解码工作尚未检索确认。