将动态脑功能连接表示为协方差矩阵空间中的轨迹进行分析

基于摘要分析。本文研究 fMRI 脑功能连接（FC）的动态变化，将多个脑区的联合时间序列表征为协方差矩阵空间，即对称正定矩阵（SPDM）空间中的轨迹，以开展统计比较、聚类与分类；同时提出基于度量的降维方法，将大规模 SPDM 映射为小规模 SPDM，以支持高维数据分析。 核心机制是使用 SPDM 空间上一种已有度量量化 FC 观测之间的差异，并围绕动态 FC 轨迹构建分析框架。摘要明确提出的新方法是基于度量的矩阵降维，而非新的 fMRI 采集方法或 BCI 解码器。度量的具体形式、轨迹构建方式、时间对齐策略及降维优化目标尚未验证，不能据摘要认定采用了特定的黎曼几何算法。 作者报告，在 Human Connectome Project（HCP）的多被试、多任务数据上，该框架的任务分类率达到或超过所比较的先进方法。摘要未给出具体数值、对照方法、被试内或跨被试划分，因此该结论仅能限定于作者所述评估；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其矩阵度量与降维模块可能用于 EEG 时变协方差分析，对应通道间相关结构的动态表征及高维矩阵处理问题。该假设依赖足够稳定的分段协方差估计，并需改造时间窗、正则化和通道对齐；EEG 的低信噪比、短窗估计不稳定、跨被试差异及小样本均可能使迁移失败。可在固定数据划分与分类器的 EEG 任务中，对比静态协方差、未降维协方差轨迹及该方法降维轨迹，并仅用训练集拟合降维映射，检验轨迹建模与降维是否分别带来收益。相关 EEG 工作尚未检索确认。