对比式 EEG 表征学习中的时间结构：面向阻塞性睡眠呼吸暂停检测的受控研究

基于摘要分析。研究针对 EEG 阻塞性睡眠呼吸暂停（OSA）检测，考察对比式自监督学习将信号窗口视为独立样本时忽略同患者时间关联的问题。作者提出 Temporal NT-Xent，并通过患者留出评估、跨队列迁移及多随机种子实验，分析时间结构对表征与下游检测的影响；研究对象是生理监测，并非直接验证 BCI 控制任务。 机制上，Temporal NT-Xent 保留数据增强定义的正样本及完整强度的跨患者负样本，同时依据时间距离连续降低同患者负样本的排斥贡献。其区别在于调整负样本作用，而非把时间相邻窗口直接替代为增强正样本。具体权重函数、训练配置及窗口划分尚未验证。 作者报告，在规范患者留出划分、评估患者未参与预训练、验证或测试选择的条件下，相较 vanilla NT-Xent，AUROC 从 0.5417 提升至 0.7667，AUPRC 从 0.4013 提升至 0.6673；AUROC 的配对置换检验 p = 0.0455。但源队列五随机种子分析中，平均 ΔAUROC 为 +0.0350 ± 0.1600，A1 仅在 2/5 个种子中超过 A0，说明该单次评估收益不能视为稳定收益；摘要未明确此处 ± 的统计含义。 跨队列方面，作者报告同一冻结的 131K 参数编码器在独立 SHHS-1 队列上零样本迁移，无需目标队列呼吸暂停标签或目标域微调，AUROC 为 0.724，95% CI 为 [0.641, 0.801]；单通道源域到目标域对照为 0.718。此结果与域内收益属于不同评估问题，不能据此断言迁移显著优于对照。 作者还比较了显式时间连续性目标、兼容 SoftCLT 的软实例级形式及三种时间核，报告域内效果的大小与方向依赖时间信息进入目标的方式；表征诊断显示规范划分上的收益不能由有效秩增加解释。量化评估中，作者报告 FP32 与 INT8 编码器输出的余弦相似度为 0.9991 ± 0.0004，模型大小减少 71%；这不等同于已验证量化后的检测性能或设备端时延。源队列名称、样本规模、完整实验协议、对照实现及统计细节仍需全文核对。