用于表征脑网络级节律动态的潜在动力学模型

基于摘要分析。该研究关注跨时空尺度的脑网络级节律动态，提出切换状态空间模型 latent dynamical coherence model（LDCM），并给出模型推断与参数估计方案，以研究功能连接随时间的变化。 机制上，LDCM 同时纳入连续状态过程与离散状态过程，用于捕捉缓慢、快速或两者并存的功能连接动态。其方法重点是以统一的潜在动力学框架描述不同变化速率；具体观测模型、状态切换机制、推断算法及参数估计细节尚未验证。 作者报告，将模型应用于一名麻醉患者的样本数据：使用 64 通道 EEG，记录时长为两小时，用于表征麻醉状态下的脑回路动态。摘要未提供定量结果；实验协议、对照基线、消融及统计信息尚未验证，不能据此判断其相对其他连接分析方法的优势或跨被试泛化能力。 平台推测（待验证）：连续变化与离散切换的联合建模，可能适用于 EEG 中缓慢漂移与快速脑状态转换并存的情形。可复用的是状态空间建模思路及推断框架，面向 BCI 则需核对并适配观测特征、通道配置与在线推断要求。低信噪比、通道变化及单被试有限数据可能使状态估计不稳定。一个可检验的小实验是在预先设定连接变化与噪声水平的模拟 EEG 上，对照仅连续状态模型，检验 LDCM 能否更准确恢复缓慢变化及突发切换；这不构成已验证的 BCI 效果，相关 EEG 工作尚未检索确认。