通过社区结构刻画功能连接组的变异性

基于摘要分析。本文研究功能连接组（FC）在群体共性与个体差异之间的结构特征，提出以功能子网络替代单条连接边进行特征选择的方法，并在认知控制研究中的 EEG 功能连接组上评估该框架。 传统 FC 指纹识别利用功能连接模式区分个体，其中一个关键步骤是筛选连接边。本文将多个被试的 FC 建模为多层网络（multiplex network），通过社区检测提取跨被试共有及个体特有的功能子网络，再引入指标评价共有社区，并量化其跨被试的一致性与变异性。其方法重点是将分析单位从局部连接边转向子网络组织结构，以描述群体与个体层面的网络活动。 摘要明确了 EEG 认知控制数据这一评估背景，但未提供被试数量、任务细节、功能连接估计方式、多层网络构建规则、社区检测算法或评价指标定义，也未给出定量结果。因此，目前不能判断该方法是否提高了个体识别表现，或社区特征是否比边特征更稳定；实验协议、对照、消融及统计信息尚未验证。 该工作的直接研究对象是 EEG 功能连接组的个体变异，而非 BCI 解码。阅读与复现时，应重点核对跨被试社区的对应方式、共有与特有子网络的判定标准，以及结果对连接估计和社区检测设置的依赖；现有摘要不足以支持 BCI 性能收益的结论。