基于EEG-fMRI多模态协变网络的运动想象神经表征效能映射建模

运动想象（Motor imagery， MI）是脑机接口与运动康复中的关键认知过程，但其行为表现存在显著的个体差异。既往研究多基于单一模态数据，难以揭示MI过程中与行为表现紧密关联的高时空分辨率脑网络组织机制。本文基于分别采集的脑电图（Electroencephalography， EEG）和功能核磁共振成像（Functional magnetic resonance imaging， fMRI）数据，构建多模态协变网络（Multimodal covariant network， MCN），重点分析3类MI指令任务下MCN的拓扑差异、其对个体意象能力的预测性能，以及不同MI能力被试之间的网络差异机制，旨在建立EEG-fMRI时空融合特征与MI神经表征效能间的映射关系。结果表明，3种动作条件下的MCN均呈现明显的任务依赖特征，其中左手和右手任务均表现出比脚部任务更丰富、更稳定的跨子网络连接。以MI问卷得分（表征主观意象能力）和任务分类准确率作为目标变量时，右手MCN均表现出显著的预测性能，而脚部MCN则呈边缘显著的预测趋势。进一步，将被试依据问卷得分划分为MI能力高、低组并进行统计，两组被试在3类MI指令下的MCN拓扑均存在显著差异，主要分布于默认模式网络、感觉运动网络、视觉网络和额顶网络。上述结果表明，MCN能有效刻画MI的任务特异性及个体差异，并从多模态融合网络层面为建立EEG-fMRI时空融合信息与MI神经表征效能的映射关系提供了新的依据。