📖 AI 总结

本文介绍了MVICAD2方法，一种用于多视角独立成分分析的新模型，旨在解决神经科学中多被试脑磁图（MEG）数据分析的挑战。传统方法如MVICA假设所有被试的脑源信号完全相同，但这一假设因个体差异和年龄相关变化而过于严格；MVICAD虽引入时间延迟，却忽略了时间扩张效应，尤其在听觉刺激中常见。MVICAD2允许源信号在时间延迟和扩张两方面存在差异，通过可识别源模型、闭式似然近似及正则化优化技术提升性能。模拟实验表明，MVICAD2优于现有方法，并在Cam-CAN数据集上验证了其有效性，揭示了延迟和扩张与衰老的关联。该研究为群体脑动态分析提供了更灵活的工具，有助于理解个体差异和老化机制。