用于单通道 EEG 肌电伪迹去除的双流注意力 TCN

基于摘要分析。该研究针对单通道 EEG 缺乏空间相关信息、EEG 与肌电（EMG）波形多样且随时间重叠所造成的去伪迹难题，提出双流注意力时序卷积网络 DSATCN，利用不同频带中的多层级、多尺度时间依赖重建 EEG。主要研究对象是单通道 EEG 的 EMG 伪迹去除，而非下游 BCI 解码。 机制上，第一条流提取 EMG 干扰较少的低频 EEG 特征；第二条流选择性融合第一条流的高层特征与自身低层特征，以细化全频带重建，作者将该设计解释为有助于降低过拟合风险。两条流均采用注意力时序卷积网络 ATCN，自适应分离 EEG 与 EMG 的重叠特征。ATCN 通过多个阶段表征不同层级的时间依赖，每阶段结合多尺度扩张卷积与快速傅里叶变换调制，扩展感受野并建立全局自注意力；各阶段输出由 relaxed attentional feature fusion 模块融合，以衔接不同层级特征的语义差异。 作者报告，在三个半模拟数据集、共 318 700 个样本的实验中，DSATCN 的 EEG 重建准确性显著优于已有方法，且计算成本满足实时处理要求。摘要未给出数据集名称、样本构造与划分方式、具体对照方法、重建指标及数值，也未说明实时测试的硬件与延迟条件，因此不能据此判断跨被试或跨会话泛化能力。实验协议、消融及统计信息尚未验证。 复现时应重点核对低频引导、双流融合及 FFT 调制各自的贡献，以及半模拟伪迹与真实肌电污染之间的分布差异；还需检查全频带重建是否保留任务相关 EEG 成分。作者提供了代码链接，但代码内容、训练损失、超参数与运行环境尚未核验。摘要未提供真实采集数据或下游 BCI 任务评估的信息，重建优势不能直接等同于 BCI 解码收益。