使用随机上下文无关模型分析 fMRI 时间序列中的激活

基于摘要分析。该研究针对预先设计实验中的 fMRI 体素激活时序，引入随机上下文无关模型（stochastic context-free models，SCFMs），以语法规则刻画激活过程，并给出模型评估、推断与解码方法。其主要研究对象是 fMRI 激活分析，而非 EEG 解码或 BCI 控制。 机制上，论文假设血氧水平依赖（BOLD）响应由脑体素激活驱动。相较于隐马尔可夫模型（HMM）对状态行为施加的马尔可夫假设，SCFMs 使用与实验范式设计相对应的上下文无关语法规则描述激活行为，并通过概率解析树表达层级信息。这里的核心差异是时序结构的表示方式，而不是摘要已证实的神经网络架构创新。 作者报告，在所述 HMM 与 SCFM 对照实验中，SCFMs 能更完整地捕捉目标激活模式，并在概率解析树中容纳更多层级信息。摘要未提供数据来源、被试数量、实验范式细节、评价指标或定量结果，因此尚不能判断优势的幅度、统计可靠性及跨实验泛化能力；实验协议、消融及统计信息尚未验证。 复现时需核对语法规则如何由实验范式确定、BOLD 观测与潜在激活之间的概率关系、参数估计及解码流程，以及 HMM 对照的配置。现有材料不足以确认其对 EEG 或 BCI 的有效性，也不宜将 fMRI 激活分析结果直接解释为 BCI 性能提升。