基于条件扩散的运动想象解码 EEG 通道重建
基于摘要分析。该研究面向运动想象（MI）BCI 中的 EEG 通道重建，提出基于 Denoising Diffusion Probabilistic Models（DDPM）的框架，利用空间相邻通道的信号重建预定义 EEG 通道，并与 CSP+LDA、FBCSP+LDA 和 EEGNet 解码基线结合。研究目标是在保持解码性能的同时提升鲁棒性。 核心机制是借助邻近通道提供的空间信息重建目标通道，以维持通道间依赖关系。摘要未说明条件信息的具体编码方式、扩散训练目标、采样流程、目标通道选择规则及重建结果如何接入各解码流程，这些实现细节尚未验证。 作者报告使用训练会话与独立留出的测试会话进行评估，体现了跨会话测试设置；但摘要未提供数据集、被试数量、会话划分细节、重建指标或解码指标，也未给出相对于各基线的定量变化。因此，保持解码性能和提高鲁棒性应视为研究目标，不能据此认定已获得明确收益或对三种基线均有效。 阅读全文时，值得核对重建误差与 MI 判别信息保留之间的关系、重建通道与原始通道的对照，以及训练和测试会话之间的数据处理边界。还需确认其鲁棒性评估针对何种通道异常或信号扰动，以及推理开销是否适合 BCI 使用。实验协议、消融及统计信息尚未验证；摘要提及拉丁美洲神经康复应用背景，但不能据此认定已完成临床验证。