用于扩展脑源分析的快速变分方法

基于摘要分析。该研究关注如何从 EEG 记录中定位多个高度相关且同时激活的扩展脑源、估计其空间范围，并提取对应的脑源信号。作者在 VB-SCCD 基础上引入源域稀疏正则化、ADMM 求解及利用时间结构的 L1;2-norm 正则化，形成 L1;2-SVB-SCCD。 机制上，原有 VB-SCCD 利用源变分映射的稀疏性；新增的原始源域稀疏正则项旨在调节估计脑源的大小。作者提出使用 ADMM 高效求解相应优化问题，并通过 L1;2-norm 正则化进一步利用数据的时间结构。摘要未给出完整目标函数、各正则项的具体形式及参数选择方式，因此尚不能核实这些约束如何共同影响空间范围估计和信号恢复。 评估方面，作者报告采用逼真仿真，将 L1;2-SVB-SCCD 与 VB-SCCD 及多种用于扩展源定位的先进技术比较。摘要未提供具体指标、数值或比较结论，不能据此认定其定位精度、源范围估计或运行速度已经优于对照。仿真中的源相关程度、噪声条件、头模型、源配置、评价指标、消融及统计信息尚未验证。 该工作的直接研究对象是 EEG 源成像，而非 BCI 任务解码。复现时需从全文核对前向模型、正则化权重、ADMM 更新与停止条件，以及源信号提取和时间结构建模的实现细节；其在真实 EEG 或下游 BCI 任务中的效用尚未验证。