Elasticnetisdr：联合重建稀疏脑活动与有效连接

基于摘要分析。该研究针对 EEG 分布式源重建问题，提出 Elasticnet iterative Source and Dynamics reconstruction（eiSDR），利用 diffusion MRI 获得的结构连接（SC）约束源空间，并以多变量自回归模型（MAR）描述源动力学，联合估计脑区活动与有效连接（EC）。主要贡献是将解剖连接信息、时空约束和动力学估计纳入同一重建方法，而非仅重建脑活动。 机制上，SC 提供源空间约束，MAR 用于建模脑区活动的时间演化及区域间相互作用；作者在 MAR 模型中加入稀疏先验，以获得非对称 EC。摘要未给出具体目标函数、Elasticnet 正则项形式、迭代更新过程或超参数选择方法，因此不能仅凭方法名称推断实现细节。EC 表示模型估计的区域间影响关系，不宜直接等同于已验证的生理因果连接。 验证方面，作者报告使用合成数据展示重建准确性，并在 face recognition task 的真实数据上测试；作者报告结果与使用同一数据的其他工作一致，认为 MAR 及其先验能够得到有意义的脑活动和相互作用结果。摘要未提供数据集名称、被试数、划分协议、评价指标或定量分数，尚不能判断相对基线的提升幅度及泛化能力，实验协议、消融及统计信息尚未验证。 复现时需核对 EEG 前向模型与源空间定义、SC 的构建及对齐方式、MAR 阶数、稀疏先验和正则强度、优化与收敛条件，以及真实数据中连接估计的验证依据。该工作直接涉及 EEG 源重建，但材料未展示 BCI 解码或在线控制效果，不能据此推断其能提高 BCI 性能。