基于变分稀疏性与 L 范数残差的 EEG 扩展源成像

基于摘要分析。该研究针对 EEG 源成像逆问题的不适定性，以及眼动、头动等异常值对诱发 EEG 的污染，提出 L1-norm Residual Variation Sparse Source Imaging（L1R-VSSI），旨在同时重建皮层活动的位置与空间范围。其主要研究对象是扩展脑源成像，而非直接进行 BCI 任务分类或解码。 核心机制是在残差项中使用 L1 损失，降低异常值对重建的影响；同时在源的变分域施加 L1 范数约束，以获得作者所述的全局稀疏、局部平滑解。优化采用交替方向乘子法（ADMM）。这一设计将观测残差的鲁棒性与扩展源的空间结构约束结合起来，区别于仅在源原始域施加稀疏约束的方案。具体变分算子、目标函数权重、前向模型及 ADMM 更新过程尚未验证。 作者报告，在模拟 EEG 与实验 EEG 数据集上，L1R-VSSI 能减轻记录过程中异常值的影响，并优于传统 L2 范数方法 wMNE、LORETA，以及原始域稀疏方法 SBL 和变分域稀疏方法 VB-SCCD。摘要未提供数据集名称、被试数、异常值构造或识别方式、评价指标和定量结果，因此目前不能判断优势幅度及其适用范围。实验协议、消融及统计信息尚未验证。 复现时需核对源空间与头模型设置、扩展源真值或实验参照、噪声和异常值条件、各方法超参数选择及优化停止准则。尤其需要区分位置定位与空间范围重建的效果，并核实残差 L1 损失与变分域约束分别贡献多少；这些是待核对事项，不代表作者未开展相关分析。摘要未给出代码或实现可用性信息。