- 3 次围观
以高时空分辨率绘制人脑功能图谱受限于无创成像的物理局限性以及侵入性电生理记录的稀疏采样。尽管颅内脑电图（iEEG）能够以毫米级精度捕获局部场电位，但临床植入策略会导致一种“覆盖悖论”：观测仅限于彼此离散、患者特异性的局部区域，从而使大部分皮层处于未观测状态。本研究提出了不完全观测线性混合效应模型（Incomplete Observation Linear Mixed-Effect Model, IOLMM），这一统计框架通过将碎片化观测“拼接”成连续的全脑源活动图谱来解决该悖论。 我们的方法整合了两项创新：（1）将源自超高维统计的确定独立性筛选（Sure Independence Screening, SIS）加以改造，用于区分真实的生理信号与由容积传导产生的“幽灵源”；（2）构建分层IOLMM，将群体水平的生理固定效应与受试者特异性的仪器随机效应解耦，从而解决困扰iEEG群体分析的尺度模糊性问题。应用于MNI开放iEEG图谱（MNI Open iEEG Atlas）后，该框架通过对清醒（Wake）、N2、N3和快速眼动睡眠（REM）状态下睡眠分期依赖的皮层源功率重建得到了验证，并从106例患者的碎片化记录中恢复了NREM慢波活动的额叶优势分布以及分级的电生理层级结构。 本研究建立了首个由iEEG导出的皮层表面层级规范性电生理图谱，为癫痫致痫性病灶的检测与预测提供了定量参考，并弥合了电生理学的微观精度与系统神经科学宏观尺度之间的鸿沟。
脑的拼缝：基于不完全观测线性混合模型的全脑 iEEG 重建 | bioRxiv
跳转至主要内容
首页 关于 提交 提醒 / RSS 搜索此关键词 高级搜索 新结果
脑的拼缝：基于不完全观测线性混合模型的全脑 iEEG 重建
查看 ORCID 个人资料 Ying Wang ， 查看 ORCID 个人资料 Min Li ， 查看 ORCID 个人资料 Maria L. Bringas Vega ， 查看 ORCID 个人资料 Pedro A. Valdes-Sosa
doi： https://doi.org/10.64898/2026.05.31.729074
Ying Wang 1 中国电子科技大学； 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 本文依据 CC-BY-NC-ND 4.0 国际许可协议 发布。
查看讨论串。
返回顶部
上一页 下一页
发布于 2026 年 6 月 3 日。
下载 PDF 电子邮件
感谢您有兴趣帮助传播 bioRxiv 的内容。 您的电子邮件 *
您的姓名 *
发送至 *
输入多个地址时，请分行填写或用逗号分隔。
您将通过电子邮件发送以下内容 脑的拼缝：基于不完全观测线性混合模型的全脑 iEEG 重建
邮件主题 （您的姓名）已从 bioRxiv 转发一个页面给您
邮件正文 （您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。
您的个人留言
验证码
此问题用于测试您是否为人工访问者，并防止自动化垃圾信息提交。
分享
脑的拼缝：基于不完全观测线性混合模型的全脑 iEEG 重建 Ying Wang ， Min Li ， Maria L. Bringas Vega ， Pedro A. Valdes-Sosa
bioRxiv 2026.05.31.729074； doi： https://doi.org/10.64898/2026.05.31.729074
分享本文： 复制
引文工具
脑的拼缝：基于不完全观测线性混合模型的全脑 iEEG 重建 Ying Wang ， Min Li ， Maria L. Bringas Vega ， Pedro A. Valdes-Sosa
bioRxiv 2026.05.31.729074； doi： https://doi.org/10.64898/2026.05.31.729074
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.05.31.729074v1?rss=1
🏷️ 颅内脑电图 全脑重建 线性混合效应模型 睡眠分期 皮层电生理图谱