SPIRE：扰动条件下连续多区域 LFP 的共享与私有表征学习

基于摘要分析。本文研究连续多区域局部场电位（LFP）中跨区域共享活动与区域特异活动的分离，提出 SPIRE（Shared-Private Inter-Regional Encoder），以处理非线性观测、自相关、频谱结构及区域间时间不对齐，并分析深部脑刺激（DBS）相关变化在两类表征中的分布。 机制上，SPIRE 将区域特异的序列编码器、受约束的时间对应、仅使用共享表征的重建及方差正则化结合起来，学习随时间变化的共享与私有表征。摘要未提供具体网络结构、损失形式及时间对应约束的实现细节，这些内容尚待全文核对。 作者报告，在具有已知真实潜在因子的 LFP 导向合成基准中，面对非线性观测映射、时变延迟和频谱混杂，SPIRE 倾向于将共享与私有信息分配至预期潜在空间。在留出的人类 GPi-STN LFP 上，作者报告非线性预测显示共享表征具有较强的跨区域迁移能力，而私有表征的跨区域预测维持在结构化时间零假设水平。该证据支持功能层面的分离，不代表两类表征严格统计独立。 作者进一步冻结从非刺激记录中学得的表征，并将其用于颅内 DBS 数据。作者报告，刺激在共享表征中引起的变化更大，且共享表征携带更多刺激条件信息；匹配的 CTAE 分析也呈现共享表征效应高于私有表征的定性结果，但保留的刺激信息明显更少。摘要未给出具体数值、被试规模、留出划分、统计检验及匹配条件，实验协议、消融及统计信息尚未验证。 研究主要贡献是多区域 LFP 的表征分解与干预效应分析，而非已验证的 BCI 解码性能提升。复现时应重点核对时间零假设的构造、共享/私有分离的操作性定义，以及非刺激期训练到刺激期应用的划分和比较协议。