从清醒到睡眠的连接动态

基于摘要分析。研究关注从清醒到不同睡眠阶段的 fMRI 功能连接动态，以及清醒静息态连接变化是否主要源于睡眠状态改变或头动。作者使用同步 EEG/fMRI 数据和基于独立成分分析（ICA）的处理流程，以 EEG 判定的睡眠状态为参照，分析 fMRI 连接状态及其转换，并比较不同时间窗口与连接估计方法。 核心方法是在 ICA 提取的静息态功能网络时间序列上计算滑动窗口相关，再通过聚类获得连接状态。EEG 在这里主要提供睡眠状态参照，研究主体是 fMRI 功能连接动态，而非 EEG 解码或 BCI 控制。摘要未提供 ICA 配置、聚类算法、状态数量及分类器细节。 作者报告，聚类得到的连接状态能够较好地分类 EEG 判定的睡眠状态；相比更长的非重叠窗口，较短滑动窗口更有利于捕捉状态转换，即使窗口短至 30 秒仍体现这一优势。作者还报告，头动主要与其中一个连接状态相关，而非分散关联于所有状态；固定加窗滑动窗口方法优于自适应 dynamic conditional correlation 方法，但摘要未列出具体评价指标或差值。 作者报告，清醒条件内部也存在多个可区分的连接状态，且可获得较高分类准确率，但未给出具体数值与验证划分。这支持作者关于清醒期 fMRI 连接变化不完全由睡眠状态或头动解释的判断，但不应据此推断这些状态已具备 BCI 应用价值。 复现时需核对睡眠分期与 fMRI 窗口的时间对应关系、窗口长度及重叠设置、头动处理、聚类稳定性和分类评估协议。被试数量、数据划分、基线配置、消融及统计信息尚未验证；尤其需区分状态可分性与跨被试或跨会话泛化能力。