空间编码几何决定深度 EEG 微状态模型恢复的地形图与状态转移

基于摘要分析。本研究检验深度无监督聚类模型在使用相同 EEG 数据与评价指标时，是否会恢复等价的微状态结构，重点区分空间编码和解码流程对结果的影响。作者比较两种变分深度嵌入模型：一种将头皮地形图插值到二维图像网格，另一种基于电极解剖图结构学习，并统一预处理、峰值提取与评价流程。 研究使用 LEMON 的 203 份配对闭眼记录；摘要未明确配对单位及被试数，不能将记录数等同于人数。作者报告，在各自部署的流程下，图像模型与图模型的平均驻留时间分别为 70.2 和 143.2 ms，发生频率分别为 3.57 和 1.65 s⁻¹。将各模型恢复的地形图交由共同的 backfit 流程解码后，相应数值变为 70.2 和 71.0 ms，以及 3.57 和 3.37 s⁻¹。作者据此将原先约两倍的时间参数差异归因于解码，而非空间编码本身。 空间编码仍影响恢复的地形图。作者报告，在共同解码条件下，图模型的 backfit 全局解释方差高于图像模型，分别为 0.618 和 0.541；但图像模型的 silhouette 更高，分别为 0.175 和 0.170，差异经 Holm 校正后显著。两者的内部聚类指标是在不同输入几何中计算的，因此不能直接把 silhouette 的高低解释为微状态恢复质量的优劣。 作者认为，空间编码会改变恢复的地形图、潜在几何和序列转移统计，但在共同解码下，驻留时间与发生频率不再呈现原有差异。其方法学价值在于提醒微状态生物标志物研究明确报告 backfit 与解码流程，而非仅标注模型类别。具体模型结构、训练目标、数据划分、解码细节、消融及完整统计信息尚未验证；摘要未提供状态转移统计的具体数值。