贝叶斯为核心：通过心率动力学的生成式状态空间建模实现自主神经 outflow 估计

近期研究正揭示认知过程如何由大脑与身体其余部分之间的复杂相互作用所支撑，这可通过分析呼吸节律、心率和皮肤电导等生理特征来探究。心率动力学尤为引人关注，因其提供了一种追踪自主神经系统交感与副交感 outflow 的途径，而自主神经系统已知在调节注意力、记忆、决策和情绪加工中发挥关键作用。然而，由于标准信号处理方法会产生噪声估计，从心跳中提取有关自主神经 outflow 的有用信息仍具挑战。为推进此现状，我们提出一种关于如何概念化与建模心率的范式转变：心率不再仅是观测到的心搏间期的简单汇总，我们引入一种建模框架，将心率视为驱动观测心跳的隐随机过程。此外，通过借助状态空间建模与贝叶斯推断的丰富文献，我们提出的框架给出的心率动力学描述并非点估计，而是生成模型的后验分布。我们展示了方法的能力：其复现了常规心率估计器的线性性质，同时在跨不同生理状态比较的动力学复杂性指标上表现出更好的判别力。