通过数据驱动的皮层聚类为 MEG/EEG 逆问题提供一组合理候选解

基于摘要分析。该研究针对 MEG/EEG 逆问题的不适定性，提出寻找多个合理皮层活动区域候选解的思路，而不是仅输出一个解。其主要研究对象是神经信号的皮层源定位，不是 BCI 任务分类或解码性能。 核心假设是：产生 MEG/EEG 信号的脑活动位于一个连通的皮层区域，且同一时刻只有一个区域活跃。作者报告，即使在这一简化条件下，也存在多种能够解释观测数据的配置；这些候选区域的位置和／或大小不同，但对数据的拟合精度相近。因此，区域连通性与单区域活动约束仍不足以唯一确定活动来源。 原标题将方法描述为数据驱动的皮层聚类，摘要则强调其能够寻找多个“良好”候选区域。作者将其与基于凸优化、选择单个可能解的方法作对照，贡献重点是呈现解的多样性，而非宣称获得唯一正确的源位置。摘要未提供聚类准则、候选搜索流程、拟合误差定义或具体优化实现，这些机制尚未验证；多解输出也不等同于经过校准的概率或置信区间。 适用边界是单个连通区域同时活跃的设定，不能据此推断其对多个离散活动源或一般脑活动模式同样有效。摘要没有给出数据来源、被试信息、定量指标或基线结果，实验协议、消融及统计信息尚未验证。复现时需从全文核对皮层表示与前向模型、连通性定义、候选解筛选标准，以及拟合精度相近是否对应不同的源定位误差。现有材料不支持将该方法表述为已验证的 BCI 性能改进。