利用结构约束的张量分解进行脑源成像

基于摘要分析。本文研究 EEG 源分离与精确脑源定位如何联合求解，提出将可能源位置的先验信息直接作为张量分解空间因子的结构约束，在单步优化中完成源分离与定位，而非先分离、再定位。 既有两步方法首先采用 canonical polyadic decomposition（CP 分解）提取源的空间图与时间特征，再利用分解结果通过 disk algorithm 估计分布式源。本文的主要变化是在空间特征因子矩阵上直接施加基于候选源位置的结构约束，使定位信息参与张量分解过程。求解时，将 alternating direction method of multipliers（ADMM，交替方向乘子法）嵌入 alternating least squares（ALS，交替最小二乘）张量分解算法。摘要未提供张量构建方式、约束的数学形式、具体目标函数或先验生成流程，这些实现细节尚未验证。 作者报告，在采用癫痫 EEG 数据的逼真仿真中，所提单步源定位方法优于此前的两步方法。该结论的评估背景是仿真，并不能据此认定已完成真实患者的临床定位验证。摘要未给出定位误差、源分离指标、样本规模、噪声条件或数值提升幅度；实验协议、消融及统计信息尚未验证。 复现时需核对源位置先验与空间因子之间的映射、ADMM 与 ALS 的更新及收敛条件，以及两种方法是否采用一致的源模型、初始化与评估指标。本文的主要对象是 EEG 脑源成像，而非 BCI 任务解码；摘要没有提供运动想象、SSVEP 或其他 BCI 任务上的效果证据。