跳到正文
只看BCI 与神经科学#SVM
10月2日周五
  1. Europe PMC · EEG 方法71

    基于机器学习的重性抑郁障碍抗抑郁治疗反应源空间 EEG 功能网络生物标志物

    基于摘要分析。本研究针对重性抑郁障碍（MDD）抗抑郁药物选择缺乏预测性生物标志物的问题，分析治疗前静息态源空间 EEG 功能网络，并利用节点网络特征区分后续治疗应答者与非应答者，为候选治疗反应标志物提供初步证据。 研究在基线采集了 47 名 MDD 患者及 41 名健康对照（HCs）的静息态 EEG。治疗 12 周后，以 Hamilton Depression Rating Scale 评分降低至少 50% 定义应答，患者分为 20 名应答者和 27 名非应答者。源空间网络指标包括路径长度（PL）、强度、聚类系数（CC）及特征向量中心性（EC）；机器学习采用节点特征和嵌套交叉验证。 作者报告，在全局网络层面，非应答者相较应答者的高 beta 频段强度和 CC 更低、PL 更高；应答者的 theta 频段 CC 高于健康对照。在上述患者应答分类的嵌套交叉验证中，支持向量机获得 Accuracy 82.98%（95% CI：72.34%–93.62%）、敏感度 85.19%（95% CI：70.37%–96.30%）及特异度 80.00%（95% CI：60.00%–95.00%），摘要对三项指标均报告 p < 0.001，但检验方法及阳性类别定义尚未验证。作者还报告，应答者楔前叶和 pars orbitalis 的 theta 频段 EC 与心理评估评分显著相关，摘要未提供相关方向、效应量及具体量表。 这项研究的直接用途是评估治疗前 EEG 特征与后续临床应答的关联及预测能力，并非 BCI 控制任务。源定位方法、连接估计、频段边界、特征筛选是否完整纳入嵌套验证、折数与划分方式、药物方案及混杂因素控制均需查阅全文；实验协议、消融及统计信息尚未验证。样本规模较小，报告的交叉验证表现不能替代独立队列验证，也不能据此提出临床选药建议。

    阅读价值：值得核对源空间 EEG 节点网络特征对抗抑郁治疗反应的预测价值：作者报告了嵌套交叉验证结果，但小样本下的稳定性及独立队列泛化能力尚未验证。

1月1日周日
  1. OpenReview · EEG69

    你听到了吗？使用 EEGNet 检测听觉事件

    基于摘要分析。本研究针对纯音测听（PTA）依赖行为配合、部分受试者难以参与的问题，探索用 EEGNet 从 EEG 中检测纯音刺激引发的听觉事件，为基于脑信号的听阈测量提供方法依据。 研究使用在模拟纯音听力图测试过程中采集的数据训练 EEGNet。摘要将 EEGNet 描述为紧凑的卷积神经网络，并在相同任务与训练范式下训练 Support Vector Machines（SVMs）及 Common Spatial Patterns + Linear Discriminant Analysis（CSPLDA）作为对照。研究难点在于：随着刺激幅度接近个体听阈，相关神经响应更难稳定识别；传统 ERP 在成人受试者中的应用也受到限制。摘要未提供网络配置、预处理、刺激参数或具体训练细节。 作者报告，在未见过的被试上，EEGNet 检测听觉事件的 Accuracy 为 81.5%，体现了跨被试评估，而非被试内结果。作者报告其优于 SVMs，原文将优势表述为“略高于 5%”，但摘要未明确这是相对百分比还是百分点，因此不能进一步换算。EEGNet 也优于 CSPLDA，但相较这些对照的提升并非总是具有统计显著性；各评估条件与统计检验尚待全文核对。 作者对预测结果的进一步分析提示，在测试重复次数充分时，EEGNet 有望用于准确确定听阈。这是潜力判断，不能等同于已完成临床听阈测量验证，也不应将听觉事件检测 Accuracy 直接解释为听阈估计准确率。作者指出，测试设置复杂度、测试时长和准确率仍需改进。被试数量与人群特征、数据划分、重复测试与预测汇总方式、听阈误差指标、消融及统计信息尚未验证；复现时尤其应核对未见被试的划分协议，以及事件检测如何转化为听阈估计。