面向深部皮层活动准确重建的 EEG 源定位算法稳健评估与比较

基于摘要分析。本研究针对深部皮层活动的 EEG 源重建及其可靠评估问题，建立了结合真实感人头模型与具有空间传播的模拟 EEG 源信号的算法评估框架，用于比较不同源定位方法的空间与时间重建能力。 方法与对照：研究比较了 Bayesian 算法 full Dugh、thin Dugh 和 Mackay，以及经典方法 MN 与 eLORETA。该框架将源信号的空间传播纳入模拟条件，有助于考察算法对动态源活动的重建表现；但具体头模型、源深度与分布、传播方式、噪声条件及算法实现尚未验证，不能据摘要判断各方法的具体更新规则或数学保证。 结果：在摘要所述的 630 次 Monte Carlo 模拟中，作者报告 thin Dugh 与 Mackay 在空间和时间源重建方面显著优于经典对照算法，并认为二者在数学上成立；其中 Mackay 的空间稳健性较弱，thin Dugh 的总体表现最佳。作者同时指出 full Dugh 存在显著理论缺陷，并报告这些缺陷会降低定位准确性。摘要未提供具体指标、效应量、显著性检验或缺陷推导，因此这些结论的适用条件仍需查阅全文核对。 局限与复现条件：当前证据来自模拟评估，不能直接视为真实深部皮层活动已被准确重建，也不能等同于 BCI 解码性能提升。复现时需核对头模型与正向模型、源信号及噪声生成过程、Monte Carlo 采样设置、各算法参数与停止条件，以及空间和时间误差的定义。实验协议、消融及统计信息尚未验证，代码与数据可获得性也尚未确认。