NeuroDyn-EEG：基于神经动力学的可解释 EEG 预训练模型

基于摘要分析。研究针对临床头皮 EEG 判别式深度模型缺乏解剖定位生理可解释性的问题，提出 NeuroDyn-EEG，将神经动力学的生成先验融入预训练，使 EEG 表征对应到脑区动力学参数。其主要研究对象是神经精神疾病相关 EEG 的参数反演与临床分类，而非直接验证 BCI 控制性能。 方法结合扩展的 Jansen-Rit 神经质量模型、基于导联场的源投影及基于仿真的参数反演，以生理范围内生成的“参数—EEG”合成配对数据训练。作者报告，模型使用约 2.43M 个可训练参数，从标准 19 通道 EEG 估计 90 个 AAL 脑区中的 11 类区域参数及一个全局参数。摘要未提供具体网络结构、损失函数、合成数据规模或预训练至临床任务的适配方式。 评估分为三层：作者报告，受控仿真中模型在不同噪声条件下能够稳健恢复参数；真实静息态 EEG 的逆向—正向闭环评估显示频谱与相位一致性。临床分类覆盖 AD65、PD31、Figshare MDD 和 TUAB，作者报告在其所比较方法中，PD31 与 MDD 上的 BACC、AUROC、AUCPR 最高，AD65 上的 BACC 最高。摘要未提供具体分数、被试数、划分协议及对照配置，尚不能判断跨被试或跨数据集泛化能力。 事后区域分析中，作者报告 AD65 中局部突触连接参数 C_1 涉及的异常脑区最多，而 MDD 中放电阈值 theta 排名首位；这些结果应理解为可检验的机制假设，而非疾病因果机制已被证实。闭环信号一致性也不能单独确证反演参数的唯一性或生理真实性，需核对参数可辨识性与真实数据验证依据。摘要给出了代码地址，但代码可用性、复现条件、实验协议、消融及统计信息尚未验证。