COunterfactual Reasoning for Temporal EXplanations：面向 EEG 癫痫检测的合理且鲁棒的反事实解释

基于摘要分析。本文研究 EEG 二分类癫痫检测中的反事实解释，针对静态数据解释方法在动态时空场景中可能产生不合理或时间不一致解释的问题，提出基于搜索的解释器 COunterfactual Reasoning for Temporal EXplanations（CORTEX）。其主要贡献是将多变量时间序列表示为时空图，并结合历史实例检索与筛选，生成兼顾合理性和时间鲁棒性的反事实。 机制上，CORTEX 检索相关的过去实例，再依据结构差异、时间距离和鲁棒性进行筛选。该设计将解释质量从是否能够改变模型判断，扩展到解释是否符合时空结构及保持时间一致性。摘要尚未提供图构建方式、检索候选范围、筛选准则的具体公式，以及被解释检测模型的结构，相关实现细节尚未验证。 作者报告，在临床癫痫检测数据的评估中，CORTEX 相较所比较的现有先进方法，在有效性（validity）与忠实度（fidelity）方面分别达到 3.73 倍和 6.32 倍，并实现不合理性（implausibility）指标为零。这些结果针对反事实解释质量，不能等同于癫痫检测 Accuracy 的提升，也不能将零不合理性直接解释为临床上绝对合理。数据集名称、被试规模、被试内或跨被试划分、具体对照方法、指标定义及聚合方式均未在摘要中说明，实验协议、消融及统计信息尚未验证。 复现时需重点核对历史实例检索的时间边界、候选实例的可用条件，以及时间鲁棒性和合理性的操作性定义。摘要未提供代码或复现资源信息；目前证据支持其作为 EEG 癫痫检测解释方法的研究价值，尚不足以确认临床决策效用或其他 BCI 任务上的效果。