贝叶斯 M/EEG 源成像不确定性校准研究：框架与实证结果

一句话结论

新框架揭示贝叶斯 M/EEG 后验可信区域普遍存在偏差，同位素重校准可改善校准度但跨条件迁移受限。

关键要点

• 提出基于仿真的不确定性量化与校准框架，针对具有闭式条件高斯后验摘要的实证贝叶斯逆方法。
• 比较贝叶斯最小范数（BMN）加 sLORETA 深度加权与稀疏贝叶斯学习（SBL）加稀疏基场展开（S-FLEX）两类方法。
• 重校准前，SBL+S-FLEX 在 Wasserstein 定位误差、后验不确定性及覆盖率方面优于 BMN+sLORETA。
• 同位素重校准对保守型 BMN+sLORETA 后验改善幅度更大，跨 SNR/稀疏度/头部模型迁移仍依赖条件匹配。
• 在真实听觉 MEG 数据上，SBL+S-FLEX 定位更聚焦、不确定性更窄，显示更高的双耳听觉源识别统计功效。

背景与事实

本研究于 2026 年 11 月 4 日提交至 arXiv（编号 2611.06979），归类于计算机科学/机器学习方向。M/EEG 源成像旨在通过电磁数据反推皮层源位置，其可靠性不仅取决于定位精度，还取决于后验可信区域的实证校准程度——即声明的 90% 可信区域是否真正包含真实源位置于约 90% 的试验中。既往文献中，后验可信区域极少接受系统性校准检验，这正是本文拟解决的核心问题。

研究构建了一套基于仿真的校准评估流程。实验维度包括：固定朝向与自由朝向源模型、不同信噪比（SNR）水平、不同源稀疏度水平，以及使用被试特异性头部模型。噪声建模采用三种策略：oracle（已知真值）、基线估计、自适应学习。在方法层面，作者对 BMN 通过证据最大化推导了联合源方差与噪声方差的更新公式；对 SBL 引入 S-FLEX 扩展，使保留系数在体素级 SBL 产生退化方差的位置仍能贡献非零边缘后验方差，从而缓解稀疏先验下方差塌缩问题。

校准评估指标包括覆盖率（empirical coverage 对比名义置信水平）、Wasserstein 定位误差以及后验不确定性幅度。结果显示，在未重校准条件下，SBL+S-FLEX 的 Wasserstein 定位误差更低、后验不确定性更小、覆盖率更接近名义水平；BMN+sLORETA 则呈现保守偏差（覆盖率高于名义水平，即可信区域过宽）。随后，研究者对两种方法实施基于经验覆盖率的同位素重校准（isotonic recalibration），发现两者校准度均有所改善，且对偏保守的 BMN+sLORETA 改善更为显著。然而，当将校准参数迁移至不匹配的 SNR、稀疏度或头部模型时，改善效果呈现条件依赖性，并非普适。在真实听觉 MEG 数据应用中，SBL+S-FLEX 相较 BMN+sLORETA 给出更聚焦的源定位与更窄的不确定性区间，提示其在识别双侧听觉源时具有更高统计功效。

影响分析

（分析判断）对中文 M/EEG 研究者与神经影像开发者而言，该研究提供了可复现的校准评估范式，有助于在临床或认知研究中正确解读后验可信区域的实际含义。若研究团队在论文中报告"90% 可信区域"而未进行校准检验，读者可能高估其定位可靠性。本文强调，即便使用闭式后验摘要的方法，仍存在残余校准偏差，必须通过经验覆盖率驱动的重校准步骤加以修正。对于采用 BMN 或 sLORETA 的既有管线，可考虑引入同位素重校准作为后处理步骤以提升可信度。对开发 SBL 类稀疏方法者，S-FLEX 的非零边缘方差机制值得借鉴，尤其在源稀疏度较高、体素级方差易塌缩的场景下。但需注意，校准参数不可跨被试、跨 SNR 条件直接迁移，每个实验组仍应独立估计覆盖率并重校准，否则可能引入新的系统偏差。

适用边界

（分析判断）上述结论基于仿真环境与特定真实听觉 MEG 数据，不直接外推至运动 MEG、癫痫源定位或其他非听觉皮层任务；同位素重校准的有效性依赖于样本量足够大以稳定估计经验覆盖率，在小样本或单次试验设定下可能失效；S-FLEX 的优势在高度稀疏源条件下更显著，当源分布密集、非稀疏时，SBL 系列的稀疏先验本身可能不再适用，此时 BMN 的密集先验反而更合理，且校准偏差模式亦不同。

孤本观察

（编辑判断）该研究将"校准"这一通常被忽略的后验质量指标置于 M/EEG 逆方法比较的中心位置，其隐含主张是：在定位精度相近的前提下，可信区域的校准度应成为方法选择的决定性维度之一；同位素重校准作为低成本后处理步骤的提出，也为既有管线提供了即插即用的改进路径。

来源：arXiv cs.LG