用于情绪交流的脑—面部表情接口

基于摘要分析。该研究面向肌萎缩侧索硬化症（ALS）等严重运动功能障碍患者，提出从 EEG 生成情感性面部表情的方法，以帮助患者向周围人表达情绪。核心贡献是在解码多种情绪状态之外，进一步解码生成面部表情的运动意图，试图避免系统在用户无意表达时传递情绪。 与仅估计简单情绪状态的既有研究相比，该方法同时关注情绪内容与表达意图：前者扩展至 15 种情绪状态，后者涉及以八种不同动作单元（action units）表达的面部表情生成意图。摘要未说明 EEG 特征、解码模型、训练损失，以及两个解码结果如何组合并控制表情输出，这些机制尚未验证。 作者报告，在使用消费级 EEG 设备的实验中，情绪状态解码与面部表情生成意图解码的 Accuracy 分别为 67.4% 和 64.6%，均显著高于随机水平（p < 0.001）。摘要未交代被试数、数据划分、被试内或跨被试协议、类别分布及随机水平的计算方式，因此不能据此判断跨被试泛化能力，也不宜与其他情绪解码结果直接比较。八种动作单元与意图解码类别之间的具体对应关系同样需要全文确认。 作者还报告，在一名 ALS 患者的验证实验中，EEG 对情绪状态和表情生成意图的解码显示出达到统计显著水平的可能性；摘要未提供该患者的具体 Accuracy 或显著性数值。这一结果提供了患者场景中的初步可行性线索，但不等于已证实交流质量改善或临床实用性。复现前需核对情绪诱发与意图标注流程、EEG 采集及预处理、面部肌电和动作伪迹处理、训练测试划分、表情输出与意图控制规则；实验协议、消融及统计信息尚未验证。