解剖连接约束的多变量自回归模型用于重建局灶源

基于摘要分析。该研究针对 MEG/EEG 中空间局灶源的重建问题，提出利用时空约束的框架：以多变量自回归（MAR）模型描述源动态，并通过 dMRI 提供的解剖连接约束模型矩阵元素，迭代估计源活动与 MAR 参数。 核心机制是将解剖连接信息作为源动态模型的结构约束，而不只是利用传感器观测进行源重建。框架假设，在所关注的时间窗内，全脑动态遵循一个恒定的 MAR 模型。摘要未说明连接约束的具体形式、MAR 阶数、优化目标、参数初始化或迭代收敛条件，这些实现细节尚未验证。 作者报告，在高噪声与低噪声条件下的仿真实验中确认了框架的重建准确性，并报告其表现优于两阶段方法。摘要未提供噪声水平的数值、仿真源配置、评价指标、数据划分或两阶段基线的具体定义，因此不能据此量化提升幅度，也不能推断真实被试数据上的有效性。 复现时需核对 dMRI 连接与源空间的对应方式、MEG/EEG 前向模型，以及时间窗内动态恒定假设的适用范围。该工作的直接贡献是源重建方法，而非已验证的 BCI 解码性能提升；真实数据验证、实验协议、消融及统计信息尚未验证。