基于 EEG 的 fMRI 数字孪生：迈向低成本、生态化的皮层下脑活动测量方法

基于摘要分析。该研究针对 EEG 难以直接获取皮层下活动、而 fMRI 成本较高的问题，提出带有可解释特征提取模块的 EEG-to-fMRI 神经网络，以多通道 EEG 预测静息态皮层下血氧水平依赖（BOLD）活动。其主要研究对象是跨模态脑活动预测，而非已验证的 BCI 控制或临床诊断系统。 方法利用 EEG-fMRI 数据集建立 EEG 与 BOLD 活动之间的映射，目标覆盖七个双侧对称的皮层下结构。摘要未说明这些结构的具体名称、特征提取机制、网络架构、损失函数及训练方式，也未交代 EEG 与 fMRI 的时间对齐、血流动力学延迟处理和输出空间粒度；上述技术细节尚未验证。这里的“数字孪生”主要指基于 EEG 预测 fMRI 信号，不能据此视为直接测量皮层下神经活动。 作者报告，初步结果显著高于机会水平，并超过既有研究通常针对杏仁核或纹状体等单一结构报告的最先进准确性水平。摘要没有给出具体指标、数值、被试数、数据划分或基线设置，因此尚不能确认跨被试、跨会话泛化能力，也不能判断与既有研究是否采用可直接比较的评估协议。实验协议、消融及统计信息尚未验证。 对复现而言，需核对 EEG-fMRI 数据的获取条件、配对与预处理流程、训练和测试划分，以及机会水平的构造方式。作者提出低成本移动式皮层下活动估计、诊断、神经康复和情感神经接口等应用前景，但这些属于潜在用途，摘要未提供相应部署或临床验证证据。