ErpICASSO：用于 EEG 事件相关分析中独立成分可靠性估计的工具

基于摘要分析。该研究针对 EEG 事件相关分析中独立成分数量及其可靠性难以确定的问题，提出 ErpICASSO：在 ICASSO 基础上面向试次（epochs）进行改造，结合试次间 bootstrap 重采样与 CCA 投影，估计潜在源的数量，并为提取出的 ERP 成分提供质量指标。 技术机制方面，研究关注体积传导混合下脑源与非脑源信号的分离，重点不是单次 ICA 分解的输出，而是将试次间变异纳入成分可靠性评估。摘要明确列出了重采样和投影机制，但未给出 CCA 投影的具体对象、质量指标公式、源数选择准则及置信区间构造方式，这些细节尚未验证。 作者在 14 名观看不愉快及中性图片的被试所记录的 ERP 上应用该方法。作者报告识别出四个主要 ERP 独立源，并依据 ErpICASSO 估计的置信区间比较中性与不愉快条件下的成分；这些成分与不同系统的关联在摘要中仅属推定，不能据此认定其生理来源。摘要未提供可靠性或条件差异的定量指标，也未明确结果是在单被试、组水平或何种数据划分下获得。 该方法直接涉及 EEG/ERP 成分分析，但所给材料不构成在线 BCI 或解码性能改善的证据。复现需进一步核对预处理、ICA 配置、试次重采样流程、成分匹配方式及置信区间的解释边界；实验协议、消融及统计信息尚未验证，代码可用性亦未由材料确认。