使用 LAPPS 进行稀疏 EEG 源定位：最小绝对值 l-P（0<p<1）惩罚解

基于摘要分析。该研究针对 EEG 逆问题的病态性，以及背景活动、头动和眼动所致离群值对源定位的影响，提出稀疏 EEG 源成像方法 LAPPS（Least Absolute l-P Penalized Solution）。其核心是以 l1 残差损失减轻离群值影响，并以 lp 惩罚促进源活动稀疏化；摘要中的实验取 p=0.5。 技术机制：方法以高认知加工期间的稀疏源激活为假设，将稳健数据拟合与非凸稀疏约束结合，并使用修改后的交替方向乘子法求解。作者将 lp 惩罚的作用描述为获得稀疏源并抑制 EEG 记录中的高斯噪声；不同噪声成分下的具体贡献仍需通过全文和消融核对。作者还将较低计算复杂度归因于成本较低的矩阵—向量乘法，但摘要未提供运行时间、迭代次数或复杂度量化结果。 评估与结果：作者在真实感头模型上，针对随机选择的稀疏源、不同偶极子配置与信噪比开展仿真，对照包括加权最小范数估计、l1-norm、标准化低分辨率电磁断层成像及 focal underdetermined system solver。作者报告，LAPPS 在所开展的各类仿真中表现最佳，但摘要未给出具体指标、数值、配置范围或统计不确定性，不能据此认定其在其他协议下也占优。在真实视觉 oddball 实验中，作者报告定位所得稀疏激活与既往 EEG 和 fMRI 发现一致；这种一致性不等同于具有真实源位置参照的定位精度验证。 局限与复现条件：需核对头模型与正向矩阵构建、稀疏性假设适用范围、正则化参数选择、修改后求解器的收敛与停止条件，以及噪声和离群值的生成方式。真实实验的被试规模、预处理、源空间设置、对照参数与代码可用性尚未验证；实验协议、消融及统计信息尚未验证。该工作的直接贡献是 EEG 源定位，并非已验证的 BCI 解码性能提升。