通过 NIRS/EEG 整合增强神经元耦合估计

基于摘要分析。该研究针对七岁熟练阅读儿童与阅读障碍儿童的低层次语言加工，提出整合 EEG 与 fNIRS 的多模态方法，以表征相关脑功能活动与神经过程间的相互作用；研究对象是语言加工及阅读障碍差异，并非直接验证 BCI 控制或解码性能。 核心机制是先利用跨频耦合（CFC）描述 EEG 不同频带之间的相互作用，将 EEG 信号转换为图像序列；再从同步记录的 fNIRS 信号推断局部脑功能活动，生成激活掩码序列并应用于这些 EEG 图像。该方法以神经血管耦合为多模态整合依据，尝试将 EEG 的电生理耦合信息与 fNIRS 的局部功能活动信息结合。CFC 的具体定义、频带选择、空间映射、掩码生成及时间对齐方式尚未验证，不能据摘要确定其实现细节。 作者报告，生成的图像序列保留了不同神经过程间通信与相互作用的空间、时间信息，并提供可区分对照组与阅读障碍被试的判别信息。摘要未给出样本量、数据划分、分类器、定量指标或对照基线，因此无法判断被试内或跨被试性能，也无法量化相对 EEG、fNIRS 单模态或其他融合方式的增益；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其可复用部分是 CFC 表征与功能激活掩码的融合思路，可能用于研究多模态 EEG 表征中的空间约束。迁移假设依赖同步 EEG/fNIRS 数据及可靠的空间对应关系，需针对血流动力学延迟、通道覆盖和任务差异改造对齐与掩码模块；低信噪比、儿童运动伪迹、被试差异及小样本可能使掩码反而抑制有效 EEG 信息。一个可检验的小实验是在同一任务、同一跨被试划分下比较 EEG-CFC、真实 fNIRS 掩码融合及打乱掩码融合，检验增益是否依赖真实跨模态对应。相关 EEG 工作尚未检索确认。