结合结构化稀疏与 L 范数残差的 EEG 扩展源成像

基于摘要分析。该研究针对强背景活动与离群伪迹干扰下，如何从 EEG 重建皮层神经活动的位置及空间范围，提出鲁棒源成像方法 L1R-SSSI。其核心贡献是将 L1 残差损失与结构化稀疏约束结合，兼顾离群误差鲁棒性、局部平滑和全局稀疏的源估计。 机制上，L1R-SSSI 使用 L1-loss 建模残差，以减轻 EEG 离群伪迹的影响；同时在源的变化域和原始源域施加 L1 范数正则化，形成结构化稀疏约束。估计通过交替方向乘子法（ADMM）求解。摘要未提供变化域算子的具体定义、正则化权重选择、前向模型及收敛设置，这些实现条件尚未验证。 作者报告，仿真与实验数据分析均显示该方法能抑制离群伪迹的影响。在摘要所述全部数值仿真条件下，相较传统 L2 范数方法 wMNE、LORETA，以及采用 L2 损失和结构化稀疏的 SISSY，L1R-SSSI 获得更大的 AUC 和更小的 SD、DLE、RMSE；作者报告的平均值为 AUC >0.80、SD <50 mm、DLE <10 mm、RMSE <1.75。摘要未给出各仿真条件、指标完整定义、平均方式及各基线数值，不能据此量化相对提升。作者另报告，其扩展源估计优于采用 L1-loss 与 Lp 范数正则化的 LAPPS，但未提供该比较的具体数值。 该工作直接研究 EEG 源成像，而非 BCI 任务解码；上述指标不能解释为 BCI 分类或在线控制效果。复现时应核对源范围与背景活动的生成方式、伪迹类型和强度、头模型与电极配置、基线参数选择，以及实验数据的参考真值。实验数据来源、被试数、实验协议、消融及统计信息尚未验证。