用于估计协同脑活动时空动态的状态空间全局相干性

基于摘要分析。本研究关注高密度神经记录中协同脑活动的时空动态，提出 State Space Global Coherence（SSGC）框架，以较精细的时间分辨率估计分布式脑活动的同步性。原论文主要研究对象是神经同步性及全局相干性（Global Coherence，GC）的动态估计，而非 BCI 任务解码。 核心机制是在特定频率上，将神经活动的交叉谱矩阵定义为一个动态状态变量的函数，该状态变量表征 GC；随后结合滤波—平滑算法与 Expectation-Maximization（EM）算法，估计 GC 和模型参数。方法的关键在于把频域的多通道协同活动表征与状态空间建模结合，而不只依赖经验性 GC 测量。状态转移、观测模型的具体形式，以及滤波和平滑的实现细节，尚未验证。 作者在一名处于全身麻醉状态的人类被试的 64 通道 EEG 记录上展示 SSGC 分析，并与经验性 GC 指标比较。作者报告，SSGC 可获得更精细的时间分辨率和更准确的 GC 估计；摘要未提供具体时间尺度、误差指标或数值，因此尚不能量化优势，也不能据此判断跨被试、跨会话或其他脑状态下的泛化能力。实验协议、消融及统计信息尚未验证。 复现时需核对 EEG 预处理、频率与分析窗口选择、经验性 GC 对照的计算方式、参数初始化，以及精度评估所依据的参照。滤波与平滑分别能支持何种在线或离线用途也需从全文确认，不能仅凭时间分辨率更细就认定其满足实时 BCI 要求。该结果提供的是麻醉 EEG 的同步性分析示例，不构成 BCI 解码性能提升或临床干预有效性的证据。