立体定向 EEG 神经解码：考虑跨被试电极差异

基于摘要分析。该研究针对 sEEG 中因临床需求导致的跨被试电极数量与植入位置不一致问题，提出训练框架与架构 seegnificant，以整合多被试数据进行行为解码，并探索预训练表征向新被试的少样本迁移。 核心机制是先使用卷积将各电极内的神经活动转化为 token，再通过时间维度的自注意力提取长时程依赖；随后将电极的三维位置与 token 融合，并在电极维度施加另一阶段自注意力，形成时空神经表征，最终使用被试特异性输出头完成下游解码。该设计将电极空间位置纳入表征构建，用于应对不同被试记录位点缺少明确对应关系的困难；具体位置编码、融合方式及可变电极数量的实现细节尚未验证。 作者报告，在执行一项行为任务的 21 名被试的合并数据上训练多被试模型后，能够仅依据神经数据解码逐试次反应时间；作者还报告，跨个体预训练得到的表征可通过少样本方式迁移到新被试。摘要未提供任务名称、数据划分、少样本规模、评价指标、数值结果或对照基线，因此不能据此判断相对单被试训练的收益，也不能将合并训练结果与新被试迁移结果视为同一种评估协议。 复现时需核对电极坐标的跨被试对齐方式、输入预处理、被试特异性输出头在新被试上的适配流程，以及训练与测试的被试和试次划分。实验协议、消融及统计信息尚未验证，代码与数据可得性亦尚未验证。研究对象是 sEEG 行为解码，其结果不能直接外推为头皮 EEG 或其他 BCI 任务上的有效性。