动态功能连接与多层脑网络01 / 21
方法谱系与基本假设
不同的 dFC 方法回答的是略有不同的问题。选择方法前，先问三件事：（1）在多长的时间尺度上看变化（毫秒、秒、几十秒）？（2）认为连接是连续漂移的，还是在少数离散状态之间切换？（3）关心的是成对连接（边），还是全脑活动模式（节点层面的空间图）？
动态功能连接：在一次连续记录内，把功能连接视为时间的函数 （ 矩阵），并估计它或它的概括量（状态序列、波动幅度、模块结构随时间的变化）。判断“存在动态”至少需要说明：变化超出了平稳零模型下有限样本的预期，且不能完全由头动、生理噪声和觉醒水平等非神经因素解释。
| 方法 | 估计对象 | 核心假设 | 时间分辨率由什么决定 | 主要参数 | 主要风险 |
|---|---|---|---|---|---|
| 滑动窗口相关（含锥形窗） | 每个窗口的 相关矩阵 | 窗内近似平稳 | 窗长 | 窗长、步长、窗形 | 短窗方差大、长窗抹平变化 |
| 动态条件相关（DCC） | 每个时间点的条件相关 | GARCH 型波动模型成立 | 模型参数（数据驱动） | 模型阶数 | 模型误设；多变量时参数多 |
| 时频分析 / 小波相干 | 每个时间–频率点的相干与相位差 | 信号可分解为局部振荡 | 尺度（频率越低窗口越长） | 母小波、平滑核 | 正偏差、边缘效应、多重比较 |
| 相位同步（希尔伯特相位、LEiDA） | 每个时间点的相位差矩阵 | 窄带信号，瞬时相位有意义 | 单个采样点（受带宽限制） | 滤波频带 | 宽带信号相位无意义 |
| 共激活模式（CAP）/ 点过程 | 少数“事件帧”的空间模式 | 关键信息集中在高幅度时刻 | 单帧 | 阈值、聚类数 | 阈值与种子选择主观 |
| 边时间序列 | 每个时间点每条边的共波动 | 时间平均即相关 | 单帧 | 无（分解本身无参数） | 静态 FC 已决定大部分统计性质 |
| 聚类连接状态（k-means） | 有限个重复出现的连接模式 | 连接在离散状态间切换 | 继承自上游估计（多为窗长） | 聚类数、距离 | 总会返回 个“状态” |
| 隐马尔可夫模型（HMM） | 状态序列与各状态的均值/协方差 | 一阶马尔可夫、状态内平稳 | 无窗；由转移概率隐式决定 | 状态数、先验 | 模型“停滞”、初始化依赖 |
| 时间多层网络 | 随时间变化的模块划分 | 层间同一节点的耦合 | 继承自层的构造 | 、 | 模块度优化的简并 |