SISSY：一种基于结构化稀疏性的高效自动 EEG 源分析算法

基于摘要分析。该研究关注由头皮 EEG 测量估计神经源的位置及空间范围，提出 Source Imaging based on Structured Sparsity（SISSY）：通过附加源域稀疏正则化、采用交替方向乘子法（ADMM）求解，并利用数据的时间结构及自动阈值方法，估计和 delineate 活跃脑区。 方法动机：摘要将 VB-SCCD 作为主要改进对象。作者指出，该方法存在源估计幅值偏差、邻近源难以分离，以及使用二阶锥规划导致计算复杂度较高的问题。SISSY 在优化目标中加入直接约束原始源域稀疏性的正则项，并改用 ADMM 求解。摘要未提供完整目标函数、结构化稀疏约束的具体形式、时间结构的建模方式或参数选择规则，这些细节尚未验证。 结果与证据：作者报告，纳入时间结构可使解更稳健；同时提出对估计源分布自动设定阈值的方法，以划定活跃脑区。算法通过逼真的计算机仿真进行分析，并在四名患者的临床数据上验证。摘要未给出定量指标、计算耗时、源间距离、噪声条件、患者任务或临床参照标准，因此尚不能量化其相对 VB-SCCD 的定位、范围估计及效率改进。 适用范围与复现核对：这是一项 EEG 源成像方法研究，而非直接的 BCI 任务解码结果。复现需核对头模型与导联矩阵、源空间定义、正则化参数、ADMM 停止条件、自动阈值规则，以及仿真和患者数据的评估协议。实验协议、消融及统计信息尚未验证；摘要未说明代码与数据的可获取性。