基于脑电通道优选新策略：融合生理学洞见与运动想象-执行关联的因果网络分析

　　本文提出一种创新的脑电（EEG）通道选择方法，通过多变量格兰杰因果（MVGC）分析探究运动想象（MI）与运动执行（ME）的神经关联。研究基于109名健康受试者的生理学导向通道数据，通过回归分析建立MI-ME的因果关系模型，最终筛选出6个具有显著预测效力的关键通道，为脑机接口（BCI）和神经反馈治疗提供高效计算方案。

　　

Highlight

本研究提出了一种新颖的因果连通性驱动的通道选择方法，通过脑电信号（EEG）的格兰杰因果分析（Granger causality）探索运动想象（MI）与运动执行（ME）之间的关系——这一方向在既往研究中较少被深入探讨。与传统特征选择方法不同，我们的方法能够识别在MI和ME中均具有显著因果连通性的通道，从而确保选择结果更具生理学意义。该方法不仅提升了分类性能，还大幅降低了计算复杂度，为脑机接口（BCI）与神经反馈治疗的临床应用提供了高效可靠的解决方案。

Neural connections with effective connectivity perspective

本节从有效连通性视角（即格兰杰因果连接）审视大脑运动区域间的神经连接，并与既往研究进行对比。为实现这一目标，我们将阈值水平 pcth降低至70%，以观察到比“选定连接”（Selected Connections）更多的因果关联。应用此阈值后，通道间保留40条连通路径（如图8所示）。选择较高阈值的原因在于……

Conclusion

我们的研究通过脑电信号的格兰杰因果分析提出了一种创新的因果连通性通道选择策略，揭示了运动想象（MI）与运动执行（ME）之间的潜在关联——这一议题在现有文献中尚未得到充分探索。与传统特征选择方法相比，本方法能识别出在MI和ME任务中均表现出强因果连通性的通道，从而确保选择过程更具生理学意义。该方法不仅提升了分类效能，还显著降低了计算负担，为脑机接口（BCI）及神经反馈治疗的临床转化提供了高效可行的技术路径。