由于漂移普遍存在，EEG 分类实验必须采用随机化试次

基于摘要分析。本文研究 EEG 分类实验中时间相关性与刺激类别之间的混杂问题，核心贡献是检验公开 EEG 数据中的时间相关性及滤波能否消除该相关性，并强调试次随机化对实验设计的重要性。 作者报告，在三个公开 EEG 数据集中观察到时间相关性，且滤波并未消除该相关性。摘要未给出数据集名称、漂移或时间相关性的测量方法、滤波设置、刺激安排、分类任务及数据划分，因此尚不能判断这些结论适用的具体实验条件，也不能量化其对分类性能的影响。 作者据此警告，近期相当数量的研究可能因时间相关性与刺激类别混杂而存在问题，并将随机化表述为目前唯一已知的避免途径。这些均是作者的判断；仅凭摘要，尚不能确认其文献核查范围，也不能验证该结论对不同 EEG 任务与采集协议的普遍适用性。 阅读与复现时，需核对随机化发生在刺激呈现还是其他实验环节，以及类别顺序、时间结构和训练／测试划分如何共同影响评估。不能把数据划分随机化直接等同于刺激呈现随机化，也不能据此断言某项既有研究存在泄漏或不公平比较。具体实验协议、对照、消融及统计信息尚未验证。