利用起始音乐片段的脑响应进行音乐识别

基于摘要分析。该研究考察自然音乐中重复出现的音乐模式是否也会在 EEG 中形成可用于歌曲识别的特征，使分类器能够在学习歌曲起始片段的脑响应后，识别后续片段所属的歌曲。研究使用 NMED-T 和 MUSIN-G 数据集，分析自然音乐模式的 EEG 编码及听者个体差异。 方法与结果：作者报告，在所研究数据集上，使用歌曲最初 20 秒对应的 EEG 训练机器学习分类器，可以从剩余片段的 EEG 中准确预测歌曲身份；摘要未给出具体 Accuracy 或其他指标。作者报告，在其比较范围内，β 和 γ 频段功率谱取得最佳歌曲分类表现，但具体分类器、特征处理、对照条件及各数据集结果尚未验证。作者还报告，相同音乐刺激对应的 EEG 响应具有听者特异性，体现音乐感知的个体差异。 解释边界：这里的任务是依据听音乐时的 EEG 识别歌曲身份，并非证明听者主观上已认出歌曲，也不等同于任意音乐内容重建。起始片段训练、剩余片段预测的设计可用于考察歌曲内跨时间片段的识别能力，但不能据此推断跨被试、跨会话或跨数据集泛化。摘要未说明训练与测试是否来自相同被试、具体时间窗及样本划分；被试规模、实验协议、消融及统计信息尚未验证。复现时应优先核对上述划分与信号处理细节，再判断分类结果能在多大程度上支持重复音乐模式对应稳定 EEG 特征的解释。