源重建脑空间中的非侵入式神经解码

基于摘要分析。研究针对 MEG/EEG 传感器配置差异与传感器空间结构不直观所造成的数据整合和模型设计困难，提出利用已有源重建技术，将 MEG 传感器测量转换为脑空间中的神经活动表示，再从体素表示进行解码。摘要的具体方法与贡献描述以 MEG 为对象，不能据此认定已在 EEG 上验证。 核心机制是改变解码输入的表示空间：从设备相关的传感器空间转向具有空间结构的脑体素表示。作者以 fMRI 的体素网格为参照，认为这种表示有利于引入空间归纳偏置、开展空间数据增强，并改善可解释性。作者报告该路径支持跨数据集零样本泛化与数据协调，但摘要未提供任务、数据集、被试数量、划分协议、基线或量化指标，效果大小与适用条件尚未验证。 复现时需核对源重建方法及其解剖信息需求、不同数据集的空间配准与体素定义、解码模型和增强策略，以及零样本评估是否涉及目标数据集信息。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若不同 EEG 通道配置也能通过源重建映射到可比较的脑空间，该表示可能缓解跨数据集输入不一致的问题；可复用的是脑空间表示与空间增强思路，需改造的是 EEG 前向模型、逆解和空间对齐流程。其有效性依赖源重建精度及解剖、传感器信息，可能受低信噪比、少通道、被试差异和小数据条件影响。可检验的小实验是在同一 EEG 解码任务下，固定训练数据、模型容量与跨被试划分，比较传感器表示与源空间表示，并测试通道子集变化时的性能稳定性。已有 EEG 相关工作尚未检索确认。