高达 1Hz 的 fMRI 信号与脑状态耦合并可预测自发神经活动

基于摘要分析。本研究考察通常被视为缓慢变化的 fMRI 信号，其高频成分能否反映睡眠—清醒转换中的自发神经活动。研究结合快速 fMRI 与同步 EEG，分析 fMRI 频谱功率和 EEG 节律的关系，并以机器学习检验其对未参与训练被试的预测能力。 研究在 27 名处于睡眠与清醒转换过程中的人类被试中同步采集 EEG 和 fMRI，fMRI 的重复时间为 TR=378ms。作者报告，相较清醒状态，NREM 睡眠期间多个频段的 fMRI 频谱功率升高，涉及频率高达 1Hz 的成分；这些快速 fMRI 成分的功率与觉醒水平相关的 alpha、delta EEG 节律相关。作者将不同节律对应的时空相关模式解释为共同觉醒动态与节律特异性神经特征的结合。 在机器学习评估中，作者报告，从训练集留出的被试上仍可由快速 fMRI 解码 alpha 和 delta EEG 节律，其中分别高达 0.9Hz 和 0.7Hz 的 fMRI 成分包含可跨被试泛化的神经耦合信息。作者还报告，可使用 3.8s 的 fMRI 数据窗口解码 EEG 节律。上述频率指 fMRI 信号成分的频率，并非被预测的 alpha、delta 节律频率；短窗口结果也不等同于已验证的实时系统延迟。 该工作的主要对象是快速 fMRI 与自发神经活动及脑状态的关系，而非 EEG 分类算法或 BCI 控制。摘要未提供机器学习模型、预测目标的具体构造、解码指标及效应量；生理噪声与运动处理、数据划分细节、对照分析、消融及统计信息尚未验证。因此，目前可将其视为快速 fMRI 时间信息价值的研究证据，不能仅凭相关性与跨被试解码结果推断因果关系或在线应用性能。