基于同步 EEG-sEEG 数据的全脑网络建模数据驱动框架

基于摘要分析。本研究关注如何在统一的全脑网络建模（WBM）框架中融合多模态神经动态，并预测颅内电刺激引起的全脑时空响应。作者提出结合全脑网络建模、参数优化与模型验证的计算框架，利用刺激期间同步采集的 EEG-sEEG 数据约束和评估模型。 核心思路是联合利用 sEEG 的较高空间分辨率与 EEG 的全脑覆盖特性，推断全脑神经活动，而非仅依靠 EEG 源定位。摘要未给出脑区动力学方程、网络连接先验、观测模型、参数优化目标及刺激输入的具体表示，因此尚不能判断两类信号如何在模型中对齐、加权，以及参数是否具有可辨识性。 作者使用合成电生理数据、真实 EEG 数据和真实 EEG-sEEG 信号进行实验，并报告框架能够捕捉脑活动的时空动态。在摘要所述功能连接（FC）比较中，作者报告 EEG 的 FC 矩阵与 WBM 推断全脑神经动态的 FC 矩阵相关性为 r=0.86，而与 EEG 源定位得到的 FC 矩阵相关性为 r=0.48。这是功能连接一致性指标，不能直接等同于刺激响应预测准确率，也不能据此认定模型恢复了真实全脑活动。 阅读与复现时需核对同步记录的被试及电极覆盖、刺激协议、FC 的计算与空间映射方式、参数拟合和验证的数据划分，以及上述相关性的统计单位与不确定性。实验协议、消融及统计信息尚未验证。该工作直接研究多模态电生理约束下的全脑动力学与刺激输入—响应机制；摘要未提供 BCI 解码任务或在线控制验证，不宜将其结果扩展为已证实的 BCI 性能提升。