用于 EEG-fMRI 融合的功能源分离：稳态视觉诱发电位应用

基于摘要分析。研究针对同步 EEG-fMRI 记录中如何整合电生理与血氧信号的问题，将 Functional Source Separation（FSS，功能源分离）作为融合流程的优化步骤，利用时间信息约束符合生理假设的解，并分析稳态视觉诱发电位（SSVEP，原文记作 ssVEP）振幅与 BOLD 时间序列之间的体素级相关性。 核心机制是以时间信息引导源分离，再将提取的 SSVEP 振幅与 fMRI 的血氧水平依赖信号进行关联。摘要未提供 FSS 的具体目标函数、时间约束形式、同步记录伪迹处理流程或振幅与 BOLD 的时间对齐方式，因此不能据此判断其具体实现和复现成本。 作者报告，在同步 EEG-fMRI 记录中，FSS 有助于提取稳健的 SSVEP 信号。应用场景为包含习惯化、习得和消退三个阶段的厌恶性条件化范式；作者报告，三个阶段的相关图呈现一致性，主要重叠区域位于初级及扩展视觉皮层，包括距状沟、舌回皮层和楔叶。在发生厌恶性学习的习得阶段，作者还观察到 SSVEP 与 BOLD 在前扣带皮层（ACC）、楔前叶及颞上回的额外相关。上述结果是该范式下的跨模态关联，不等同于因果定位或 BCI 解码性能提升。 摘要未给出被试数、刺激参数、对照方法、定量增益或相关性统计阈值；实验协议、消融及统计信息尚未验证。复现需核对 FSS 实现、MRI 环境下 EEG 伪迹处理、跨模态时间对齐及体素级多重比较校正。本研究直接涉及 EEG 与 SSVEP，但摘要未报告在线 BCI、分类性能或 ITR，不能将其融合分析结果外推为已验证的 BCI 效果。