跳到正文
#Dry Electrodes
1月1日周一
  1. OpenReview · EEG62

    引入 EEG 分析以辅助个人音乐偏好预测

    基于摘要分析。该研究针对音乐推荐主要依赖点击、停留时间等隐式反馈、难以反映细致用户体验的问题，探索用便携式干电极设备采集的 EEG 辅助个人音乐偏好预测。其主要贡献是将听音乐时的 EEG、偏好记录与情绪记录结合，并评估 EEG 特征对评分预测和偏好分类的帮助。 方法上，作者开展了用户研究：参与者聆听音乐并记录偏好与情绪，同时使用便携设备采集 EEG；随后分析这些变量之间的关系，并利用 EEG 特征开展个性化音乐偏好预测。摘要未说明 EEG 特征提取方式、预测模型、特征融合策略或训练目标，不能据此判断其算法创新程度。 作者报告，所采集数据中的音乐偏好、情绪与 EEG 信号存在显著关系，加入 EEG 后，评分预测与偏好分类均获得显著改善。摘要未提供效果量、具体指标、对照基线、被试人数及数据划分，因此尚不能判断结果属于被试内还是跨被试评估，也不能量化增益或比较不同协议下的性能；实验协议、消融及统计信息尚未验证。相关性结果也不应被解读为 EEG 对音乐偏好的因果解释。 该工作直接研究 EEG 在音乐推荐中的应用，而非通用 BCI 控制或解码方法。作者进一步提出 EEG 可作为其他个性化推荐任务的显式反馈，但摘要未提供其他场景的验证。复现时应核对设备与通道配置、预处理及伪迹处理、偏好与情绪标签的定义、训练测试划分，以及加入 EEG 前后的同协议对照；便携采集的可行性不等于长期日常环境中的预测稳定性。

1月1日周六
  1. OpenReview · EEG79

    凝胶式与干式多针 EEG 帽的多中心评估

    基于摘要分析。本研究考察干式多针 EEG 电极在不同环境和操作者条件下的性能可重复性与可推广性，并比较其与传统凝胶式 EEG 帽的采集效率和信号特征；主要贡献是将验证扩展到多中心、多操作者场景，而非提出新的 BCI 解码算法。 研究在 6 个国家开展，纳入 115 名志愿者，使用干式和凝胶式 EEG 帽采集电极—皮肤阻抗、静息态 EEG 及诱发活动。研究还考察操作者经验、准备时间和佩戴舒适度与 EEG 信号质量之间的关系。摘要未提供具体诱发任务、通道配置、采集顺序、各中心样本分布及舒适度结果，这些信息尚未验证。 作者报告，在上述多中心采集条件下，干式 EEG 帽的平均通道可靠性为 81%，平均阻抗高于凝胶式 EEG 帽，但准备时间相较凝胶式 EEG 帽减少 62%。作者报告，所评估的各项信号指标均未观察到两类 EEG 帽之间的统计学差异；摘要未列出指标定义、效应量或置信区间，因此不能把“未观察到统计学差异”直接解释为信号等效。作者据此认为干式多针电极的性能具有较高可重复性，且操作者技能与经验是影响通道可靠性和信号质量的主要因素；相关统计分析及因素控制方式尚未验证。 对 EEG 采集实践而言，该研究值得关注的具体问题是：准备时间的减少能否在通道可靠性可接受的前提下稳定实现，以及操作者培训是否影响部署质量。摘要没有报告 BCI 任务中的 Accuracy、ITR 或其他解码结果，不能将采集层面的结果外推为 BCI 性能提升。复现需核对电极与 EEG 帽规格、通道可靠性的判定标准、操作者经验分层、信号处理流程及多中心统计方案；实验协议、消融及统计信息尚未验证。

    阅读价值：该研究以多中心、多操作者条件比较干式与凝胶式 EEG 帽，为评估采集准备效率、通道可靠性及操作者经验对实际部署的影响提供了可核对的证据，但不能据此认定两者的 BCI 解码性能等效。

1月1日周一
  1. OpenReview · EEG60

    使用便携式 EEG 传感器检测冥想状态

    基于摘要分析。该研究考察采用干电极的便携单通道 Neurosky Mindwave EEG 系统能否用于检测冥想状态，主要贡献是将其与常规 19 通道 EEG 的频谱进行比较，并进一步分析冥想与静息状态的差异，同时开发配套 Android 检测应用。 数据与方法：作者在 20 名被试冥想期间使用两类设备采集数据，摘要描述通过独立成分分析（ICA）进行伪迹去除，随后分析并比较功率谱密度。为避免将静息误判为冥想，研究另用单通道设备明确采集静息数据；还考察了冥想开始、中间和结束阶段。摘要未说明两类设备是否同步记录，也未交代 ICA 如何用于单通道数据，具体预处理流程尚需核对全文。 作者报告，在上述冥想采集条件下，两类设备呈现相似频谱，但幅度水平在被试之间和设备之间存在差异。作者还报告，冥想时 delta 频段能量高于 alpha 频段，而静息时呈相反关系。这些结果提供了候选状态区分线索，但摘要未给出频段边界、效应量、统计检验或分类性能，因此不能将频谱差异直接视为可靠检测或跨被试泛化的证据。 复现与局限：应重点核对冥想与静息的操作定义、状态标注依据、记录时长、电极位置、伪迹处理及频谱估计设置，以及 Android 应用使用的判定规则。被试内或跨被试划分、独立测试数据、消融及统计信息尚未验证；摘要也不足以判断阶段变化和个体幅度差异如何影响检测。该工作直接涉及 EEG 状态识别，但材料未展示在线 BCI 控制或临床验证。

1月1日周五
  1. OpenReview · EEG58

    基于互信息的 EEG 生物特征识别特征选择

    基于摘要分析。该研究关注 EEG 生物特征身份认证，提出利用互信息选择能够表征个体身份的 EEG 特征集合，并通过基于 Bhattacharyya distance 的最近邻方法进行认证验证。其主要研究对象是身份识别，而非运动想象等 BCI 控制任务。 数据与机制：研究从 7 名被试采集闭眼静息状态下的 EEG，每名被试记录 2 分钟，使用 21 个干电极。各通道计算七类特征：alpha/theta、alpha/beta、theta/beta 功率比，以及 sample entropy、permutation entropy、entropy 和分布中位数。随后针对每名被试计算特征两两之间的互信息，选择被试内互信息最大的特征。摘要描述的筛选依据是特征间依赖关系，并非直接计算特征与身份标签之间的互信息；它如何兼顾个体内一致性与个体间可分性，需要全文进一步解释。 结果与边界：作者报告，在上述 7 名被试的闭眼静息 EEG 数据上，使用最佳九个特征、基于 Bhattacharyya distance 的最近邻方法及留一交叉验证，Accuracy 达到 95%。摘要未明确留一的样本单位、信号分段方式、训练与测试划分细节，以及特征选择是否在每个训练折内独立完成，因此不能将该结果解释为已验证的跨会话或长期身份认证性能。 复现需核对互信息估计方法、特征计算参数、最佳九个特征的具体组成、距离计算与认证决策方式，以及交叉验证中筛选步骤的位置。实验协议、对照、消融及统计信息尚未验证；小样本与单次短时静息采集条件也限制了对更大人群及不同采集条件的外推。该方法对 EEG 身份特征筛选具有直接研究价值，但摘要结果不构成 BCI 解码性能提升的证据。