《Bioengineering》：Neural State Geometry: Unifying Amplitude Landscapes, Coherency Geometry and Information Geometry for EEG State Estimation
编辑推荐：
摘要专业翻译
脑状态生物工程要求通过可解释的、具有物理信息坐标系的脑电（EEG）状态结构、变化及干预响应进行测量与调控。其应用包括认知疲劳监测、神经调控读出以及面向自适应闭环神经技术的发展。研究人员提出神经状态几何（Neural State Geometry,
摘要专业翻译
脑状态生物工程要求通过可解释的、具有物理信息坐标系的脑电（EEG）状态结构、变化及干预响应进行测量与调控。其应用包括认知疲劳监测、神经调控读出以及面向自适应闭环神经技术的发展。研究人员提出神经状态几何（Neural State Geometry, NSG），这是一个基于复解析脑电场（complex analytic EEG field）的传感器空间框架，而非基于生物物理神经元模型。NSG整合了三部分内容：神经幅度景观（Neural Amplitude Landscape, NAL），通过精确的经典统计热力学（canonical statistical thermodynamics）将解析幅度分布映射为统计温度、内能、熵和热容；成对斯托克斯/相干几何（Stokes/coherency geometry），利用电磁相干理论表征通道间组织；以及受量子信息启发的态空间几何（state-space geometry），用于量化选定基（selected-basis）下的组织。研究人员通过受控合成测试、结果盲法（outcome-blind）人类脑电幅度模型比较、单被试认知疲劳示例以及单研究者经颅聚焦超声（transcranial focused ultrasound, TUS）神经调控可行性案例对NSG进行评估。合成测试确立了描述符选择性和零滞后二阶几何对共源（common-source）的敏感性。在参与者均衡的留出（held-out）预测中，NAL/广义伽马（generalised-gamma）模型优于瑞利（Rayleigh）、纳卡加米（Nakagami）和伽马（gamma）模型，但未优于对数正态（lognormal）模型。认知疲劳示例显示，PRE–POST的NAL位移以正性变化为主，并伴随频谱与二阶几何形变。在固定顺序TUS案例中，最大的参考稳定NAL位移出现在施加位点，同时伴随更广泛的传感器空间形变。NSG为比较自然状态与干预相关脑电状态提供了可解释层，支持未来生物标志物与靶点参与验证、机制研究及闭环神经工程。
论文主体解读
一、研究背景与问题
脑状态生物工程面临两个核心需求：测量与调控。测量需要判断生理有意义的状态是否发生改变，调控则需以可控、结构化且可测量的方式推动状态位移。传统脑电（EEG）分析提供了频带功率、周期性与非周期性频谱参数、相位锁定、相干性、熵及协方差特征等丰富工具，但这些量常以相互割裂的方式呈现，其数学关系与不变性隐含不清。当系统目标不仅是分类观测结果，而是要指导测量、扰动与反馈时，这种碎片化便成为关键障碍。周期性峰与非周期性频谱结构必须谨慎分离，因为经典频带功率可能混淆二者的贡献。此外，窄带包络为正随机变量，高斯窄带过程预期呈现瑞利（Rayleigh）包络行为，但经验脑电包络可依状态与时段偏离该基准。同时，振荡活动亦可表现为短暂、不规则的事件而非平稳节律，类似平均频谱功率可能源自不同的事件幅度、持续时间、发生率与背景占据。因此，研究者提出神经状态几何（Neural State Geometry, NSG），旨在建立统一的传感器空间表示，提供对测量状态的互补坐标，而非重建潜在神经元群体状态。该框架的建立并非出于对字面平衡态热力学、极化脑电磁波或微观量子脑动力学的断言，而是借用这些数学形式作为状态表示工具。
二、研究内容与核心贡献
研究人员开发了NSG框架，其核心是从采样的复解析脑电场出发，构建三条互补表示分支。神经幅度景观（Neural Amplitude Landscape, NAL）分支收集局部幅度集合，以模式参数化的广义伽马（generalised-gamma）密度描述单模式边际幅度分布，并建立零最小值负对数密度景观，通过精确经典统计热力学映射获得统计温度、内能、熵与热容等描述符。第二阶分支形成窗口化解析二阶矩阵，其对角元保留模式功率，非对角元保留幅度加权的相对相位组织；匹配频率二模式块采用斯托克斯坐标（Stokes coordinates）表示，形式上等价于电磁极化理论中的相干矩阵形式。迹归一化后，同一正半定厄米矩阵具有有限维密度算子的数学形式，支持纯度（purity）、有效维度与冯·诺依曼熵（von Neumann entropy）等选基态浓度度量。三条分支共享同一解析场，但保留不同信息：NAL保留完整单模式边际幅度分布，二阶矩阵仅保留二阶矩，二者不可互相还原。周期性–非周期性频谱参数化作为互补的跨频率分析层被保留，而非重新标记为NAL。该框架的贡献不在于单独使用解析信号、广义伽马分布、斯托克斯坐标、密度矩阵代数或信息几何，而在于将它们作为同一解析脑电场的互补投影进行特定整合，并配以受控构念检验、显式稳健性分析与经验状态比较。
三、关键技术方法
研究采用四个递进的证据阶段。第一阶段为受控合成测试，使用确定性点估计与32个独立随机种子的稳健性检验，构造四种受控操作：公共全局增益、匹配二阶矩的形状形变、固定边际的相位锁定、公共零滞后源结构。第二阶段为结果盲法模型比较，使用28个Muse记录、8名参与者、2240个通道–频率集合的冻结数据集，以确定性分块5折交叉验证的留出平均对数似然为主要预测标准，比较NAL/广义伽马与瑞利、伽马、对数正态、纳卡加米四种幅度族。第三阶段为单被试疲劳工作示例，使用Muse Athena S头带在256 Hz采样率下采集TP9、AF7、AF8、TP10四个通道，经过90分钟OpenMATB任务前后记录，冻结的PRE与POST支持跨周期–非周期频谱分析、NAL、AF7–AF8成对几何与选基态分析共用。第四阶段为固定顺序TUS扰动读出可行性案例，使用14通道EMOTIV EPOC X头带， sham先于active，采用Sonic Concepts H-104单阵元换能器，500 kHz载波，65 μs脉冲、25 ms脉冲重复周期、0.26%占空比、30秒序列共1200个脉冲，自由水峰值稀疏压力估计1.243 MPa，机械指数1.76，时间平均强度约0.14 W cm?2，使用预声明的差分差分（difference-in-differences, DiD）对比。
四、研究结果
4.1 描述符选择性合成测试：全部3616项精确不变性检验与384项预期响应检验通过，704项NAL拟合全部有效。四种受控操作产生不同的跨层响应特征：公共增益使功率与原始迹按2.25缩放，模态幅度按1.500缩放，但形状参数仅数值精度级变化，相干性、归一化斯托克斯坐标与迹归一化态距离几乎为零；匹配二阶矩形变使功率变化仅?0.0064幅度平方单位，但NAL对数参数位移达0.776，证明幅度分布分支保留了二阶矩之外的信息；相位锁定使边际幅度、功率、迹与NAL参数完全不变，但成对与选基态几何强烈响应；公共零滞后源使实相干性增加0.504，虚部相干性变化仅0.0004，直接证明零滞后成对几何不能解释为连接性。
4.2 幅度模型经验充分性：在参与者均衡的主标准下，NAL优于伽马（边际0.0115，95%区间[0.0015, 0.0215]）、纳卡加米（0.1651，[0.0900, 0.2392]）与瑞利（0.3449，[0.1910, 0.4937]），但NAL与对数正态的边际为0.0006，参与者自助区间跨越零，未确立任一族的总体预测优势。全数据AIC/BIC比较中，NAL在81.3%的AIC与79.2%的BIC比较中为参与者均衡最佳模型；留出最佳族流行度更为异质，对数正态41.1%、NAL 26.1%、伽马23.7%、纳卡加米5.5%、瑞利3.6%。18.0%的NAL拟合接近优化器边界，但接近下边界本身不构成收敛到对数正态的证据。
4.3 疲劳工作示例的周期–非周期频谱背景：2–40 Hz范围内，PRE AF7指数1.14、AF8指数0.98，POST AF7弱有效（0.21），POST AF8在预设正指数准则下无效（?0.35）。2–13 Hz敏感范围内四个拟合均有效，PRE AF7为0.72、AF8为0.66，POST AF7为0.29、AF8为0.32，变化方向相反，强调拟合范围依赖性。AF7宽带改善但AF8从无效宽带拟合转为有效低频拟合，提示高频额叶结构实质性改变宽带斜率。
4.4 疲劳工作示例的NAL形变：拟合密度曲线紧密跟踪观测分布，包括POST更宽的分布。签名POST减PRE视图中，概率沿窄低幅度PRE脊被消耗并重新分布至更大幅度，高频部分分离最明显。均值景观成本在高频范围显著升高。由于均值景观成本与景观成本方差对纯公共幅度增益不变，其PRE–POST变化不可还原为均匀幅度重缩放。
4.5 AF7–AF8成对斯托克斯/相干几何：全部20个预设匹配频率均显示有限非零的PRE–POST位移，主参考下频率均值为0.1555，范围0.0323至0.5366；CAR敏感下均值为0.1301。普通相干性幅度在主参考下从0.3062变至0.2091，CAR下从0.7045变至0.6650，方向与幅度均非参考不变。结果支持参考条件下的观测成对状态形变，而非参考不变的神经耦合变化。
4.6 疲劳工作示例的选基态形变：固定20频率AF7/AF8同频基下，全窗口PRE–POST迹距离为0.1504，CAR下为0.1489，约低1.0%。主参考下纯度从0.028720增至0.034201，有效维度从34.82降至29.24，归一化熵从0.9804降至0.9461；CAR下方向相反，纯度从0.166664降至0.111167，有效维度从6.00增至9.00。窗内早–晚分割迹距离为PRE内0.1207、POST内0.0660，分别约为全窗口距离的80%与44%，表明窗内变异不可忽略。
4.7 TUS相关脑电状态位移：1280项TUS NAL拟合全部有效，中位拟合决定系数0.96，最小0.86，最大KS距离0.08。在F8位点观察到最大的参考稳定NAL位移，伴随更广泛的传感器空间形变。成对与选基态DiD结果作为描述性工程读出报告，不赋予群体推断意义。
五、讨论与结论
讨论部分强调NSG提供的互补坐标具有明确的声明坐标、单位与不变性，而非坍缩为单一复合特征。引擎与变速箱的类比帮助直观理解：NAL描述单个模式内的运行状态，选基态几何描述整体状态在声明基上的分布广度，成对斯托克斯/相干几何直接描述特定模式的幅度与相对相位组织方式。该类比是组织性的而非机制性的。周期性–非周期性频谱参数化作为互补的跨频率层被保留。研究明确划定解释边界：NAL的统计热力学映射不识别物理能量、温度、力、平衡热力学或脑电恢复动力学；斯托克斯坐标不暗示头皮处字面电磁极化椭圆、因果连接或微观量子脑电状态；选基态浓度不构成内在神经元流形维度或字面解剖模式计数。结论指出，NSG为比较自然状态与干预相关脑电状态提供了可解释层，支持未来生物标志物与靶点参与验证、机制研究及闭环神经工程，但当前工作是测量框架的方法学演示，而非诊断、治疗、靶点参与或控制器验证。
