CANDLE：用于无创脑源成像的皮层零空间分解

基于摘要分析。该研究针对 EEG 等无创电生理测量中的电生理源成像（ESI）逆问题，提出 CANDLE：依据个体皮层几何及源到传感器映射，在其零空间内学习源活动先验，以处理源估计的非唯一性并保留几何约束。 核心机制：皮层源活动的维度显著高于传感器观测，因而不同源配置可能产生相同观测。传统方法通过人工设计的约束消解歧义，学习式方法则利用数据驱动先验，但跨个体皮层几何的泛化仍是难点。CANDLE 使用由 T1 推导的源到传感器映射，将学习限定于观测不可辨识的源分量。其方法价值在于区分测量能够约束的部分与需依赖先验估计的部分，而非把整个逆映射完全交由模型学习。具体分解实现、模型结构、损失函数及推理流程尚未验证。 训练与结果：作者构建了覆盖超过 1,100 个个体特异皮层几何的全脑模拟器，源配置来自超过 26,000 张统计脑图。作者报告，CANDLE 仅使用模拟数据训练，在模拟源估计中优于既有 ESI 方法，并泛化至两项实测任务：颅内刺激位点定位，以及依据术前发作间期 EEG 估计癫痫致痫区。摘要未提供具体指标、效应量、对照方法名称，也未说明模拟训练与评估的个体划分，不能据此量化优势或认定已验证跨被试部署能力。 验证重点：需核对个体几何的训练与测试划分、实测任务的参照标准、源到传感器映射的构建与误差敏感性，以及模拟源配置对真实活动的覆盖程度。实验协议、消融及统计信息尚未验证；代码、模拟器和数据的可获得性亦未确认。该研究直接面向 EEG 源成像，但摘要未报告 BCI 解码性能，也不能将致痫区估计结果直接视为临床有效性证据。