从未知局部干预中辨识神经源动力学

基于摘要分析。本文研究 EEG 线性前向模型已知、但基线活动仅能到达部分源空间时，如何辨识神经源之间的线性动力学。作者提出利用靶点和强度均未知的局部干预补充辨识信息，并给出充分辨识条件、闭式估计器和误差界。 核心机制是：在初始状态已知的线性源动力学中，对某一个源接收输入的方式施加单步改变，使干预 EEG 与匹配基线 EEG 的差异呈秩一结构。已知前向模型用于识别发生改变的源，并标定其响应历史；再将这些历史与初始化响应结合，确定源动力学，无需基线活动可达整个源空间，也无需完整辨识干预本身。该问题关注源间动力学辨识，而非一般的 EEG 分类或 BCI 解码。 作者报告，在基于四种 MRI 解剖结构构建的模拟 EEG 中，基线活动仅能到达十二个源中的四个，未知干预使方法在 32/32 个系统中恢复动力学，而仅用基线的估计器均未成功，即使前向模型可逆也如此。作者还显式构造了能够复现所有基线均值的替代动力学，用于说明该设置中的不可辨识性。对于基线数据已足以辨识的情形，作者报告其估计器比匹配的谱方法更可靠，但摘要未给出具体指标与差异幅度。 结果仍需结合前提理解：方法依赖已知前向模型、已知初始状态、线性源动力学及特定局部干预结构。充分条件的具体形式、噪声与前向模型误差下的稳定性、匹配基线的构建方式、成功判据及统计信息尚未验证。摘要证据来自仿真，不能据此认定其已在真实 EEG 干预数据或 BCI 任务中有效。