通过同步头皮 EEG 与颅内 EEG 的多模态整合推断全脑电生理网络

基于摘要分析。该研究针对全脑电生理网络（WBEN）估计问题，提出融合同步头皮 EEG 与颅内 EEG（iEEG）的状态空间建模框架，以 Expectation-Maximization（EM）算法同时推断状态变量与脑连接。主要贡献是将两类电生理观测纳入联合估计，并用于分析工作记忆任务中皮层与皮层下区域的信息流，而非直接开展 BCI 解码。 技术机制：框架通过状态空间模型描述脑活动及其连接关系，利用 EM 联合推断状态与连接。摘要未给出状态转移形式、观测模型、连接约束或 EM 的具体更新规则，因而尚不能判断其如何处理两类信号的空间覆盖差异、观测噪声及参数可辨识性。 验证与结果：在合成数据验证中，作者报告，该框架优于仅使用头皮 EEG 的传统两步方法，并据此强调纳入 iEEG 对 WBEN 估计的价值。摘要未提供性能指标、数值或详细对照设置，因此融合数据与联合估计各自的贡献尚待核对。对于同步采集 EEG 与 iEEG 的真实数据，作者报告，工作记忆编码阶段由皮层流向皮层下区域的信息流比维持阶段更显著，且与既有研究发现一致；这里的信息流不宜直接解读为已证实的生物因果关系。 复现与边界：被试数量、记录覆盖、任务设计、预处理、数据划分、连接评估指标、消融及统计信息尚未验证，代码可用性也尚未验证。复现需核对同步 EEG/iEEG 数据及相应观测模型的构建条件。该研究的直接对象是全脑网络估计，摘要未提供 BCI 任务性能或仅头皮 EEG 部署效果的证据。