条件相关作为 fMRI 与 MEG/EEG 中中介交互的度量
基于摘要分析。本文研究如何为 fMRI 与 MEG/EEG 的脑功能交互建立跨模态的共同定义，并提出以条件相关刻画中介交互，尝试衔接数据驱动交互指标与结构方程模型（SEM）有效连接所能表达的交互模式。 作者首先引入统一术语与跨模态交互定义，再比较时间相关、非线性相关、互信息、广义同步、相位同步、相干性及 phase locking value（PLV）。作者报告，在考察独立同分布高斯变量之间的线性交互这一限定条件下，这些指标实际上度量相同的量，即相关性。这一结论不能直接推广到非高斯、非线性或具有复杂时间依赖的神经信号，也不意味着各指标在所有实际分析中可以互换。 作者进一步报告，上述数据驱动指标只能部分表征 SEM 有效连接所能表达的交互模式，并据此提出条件相关，展示其与中介交互的关系。摘要未提供条件变量的选择方式、具体数学推导或实证评估细节，因此尚不能判断其对实际 EEG/MEG 连接估计的增益，也不能将条件相关直接解释为已识别的因果连接。 本文的主要贡献是交互度量的概念与理论比较，而非 BCI 解码算法或性能验证。实际应用时需核对模型假设、条件变量选择及其对交互解释的影响；全文推导、实验协议、消融及统计信息尚未验证。
阅读价值：值得阅读的具体原因是，论文在明确的高斯线性交互假设下比较多种功能交互指标，并讨论条件相关与中介交互的关系，有助于辨析 fMRI、MEG/EEG 连接分析中不同指标的解释边界。