- 3 次围观
状态转移方法，包括 EEG 微状态分析以及相关的 fMRI 方法，如隐马尔可夫模型（HMM）和共激活模式（CAP）分析，为将神经动力学粗粒化为少量准稳定状态提供了广泛使用的工具。其效用已在静息态与任务范式中得到证明，应用范围广泛，从认知神经科学到精神疾病和神经系统疾病候选生物标志物的研究均有涉及。然而，一个根本性局限依然存在：几乎所有下游时间测度都以起始时定义的模板图为条件。在传统流程中，模板来源于对全局场功率（GFP）峰值处电压图进行极性不变聚类，因此所得状态定义对预处理、采样、初始化、聚类算法以及聚类数目的选择都十分敏感。因此，该方法能够捕捉 EEG 动力学中的粗略规律，但对于这些状态所由以产生的更大尺度几何组织仅施加了较弱约束。这样的模板依赖性对结果的可重复性以及跨研究、跨 EEG 电极帽的比较构成了重大挑战。 在这里，我们从拓扑—几何视角重新审视这一问题。我们不再将模板视为从 GFP 峰值图中提取的聚类质心，而是将其视为嵌入于某一状态空间全局结构中的地标；该状态空间由头皮电压图之间的相互相似性构建而成。在这一表述中，微状态模板被重新发现为组织连续神经状态拓扑的主导轴上的离散代表。这一重构保留了极性作为一种有意义的几何关系，而不是像以往那样在分析一开始就将其作为分析冗余加以消除。它还将关注点从孤立的状态标签转向状态空间本身的地形，即局部状态得以获得可解释性的更广泛关系结构。 利用这一方法，我们表明，基于地标的状态定义在刻画状态结构和提升分析性能方面优于传统模板。这些发现表明，EEG 微状态分析中的核心问题不仅仅是聚类优化，更在于如何在不丢弃组织连续动力学之拓扑结构的前提下，为粗粒化定义有效节点。通过将微状态分析的概念基础从模板转向地标，当前方法为状态定义提供了一个更具原则性且潜在更稳定的基础，这一点同样适用于 fMRI。这种拓扑—几何层面的重新评估扩展了传统微状态分析，并为跨数据集、跨范式和跨记录系统开展更统一的比较开辟了道路。
状态转移方法，包括 EEG 微状态分析以及相关的 fMRI 方法，如隐马尔可夫模型（HMM）和共激活模式（CAP）分析，为将神经动力学粗粒化为一小组准稳定状态提供了广泛使用的工具。其效用已在静息态和任务范式中得到证明，应用范围广泛，涵盖从认知神经科学到精神与神经系统疾病候选生物标志物的研究。然而，一个根本性的局限依然存在：几乎所有下游时间测量都以起始时定义的模板图为条件。在传统流程中，模板是通过对全局场功率（GFP）峰值处的电压图进行极性不变聚类而获得的，因此所得状态定义对预处理、采样、初始化、聚类算法以及聚类数目的选择都很敏感。因此，该方法能够捕捉 EEG 动力学中的粗略规律性，但对这些状态所涌现出的更大尺度几何组织仅提供较弱约束。这种对模板的依赖对结果的可重复性以及跨研究、跨 EEG 电极帽的比较构成了重大挑战。
在这里，我们从拓扑—几何学视角重新审视这一问题。我们不再将模板视为从 GFP 峰值图中提取的聚类质心，而是将其视为嵌入于由头皮电压图之间相互相似性所构建的状态空间全局结构中的地标。在这一表述中，微状态模板被重新发现为组织连续神经状态拓扑结构之主导轴的离散代表。这种重构保留了极性作为一种有意义的几何关系，而不是在分析一开始就将其作为分析冗余加以消除。它还将关注点从孤立的状态标签转移到状态空间本身的“地形”之上：即局部状态得以获得可解释性的更广泛关系结构。
利用这一方法，我们表明，基于地标的状态定义在捕捉状态结构和提升分析性能方面优于传统模板。这些发现表明，EEG 微状态分析中的核心问题并不只是聚类优化，而是如何在不丢弃组织连续动力学之拓扑结构的前提下，为其粗粒化定义有效节点。通过将微状态分析的概念基础从模板转向地标，本方法为状态定义提供了一个更具原则性且可能更稳定的基础，这一点也适用于 fMRI。这种拓扑—几何学的重新评估扩展了传统微状态分析，并为跨数据集、跨范式和跨记录系统的更统一比较开辟了道路。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.04.729738v1?rss=1
🏷️ EEG微状态 神经状态动力学 拓扑几何 状态空间 隐马尔可夫模型 fMRI