EEG 基础模型对电极配置的表征与功能鲁棒性

基于摘要分析。该研究考察 EEG 基础模型在电极配置变化时能否保持表征与预测稳定，对四种具有不同电极配置处理设计的模型进行联合分析。其核心贡献是将表征鲁棒性与功能鲁棒性分开评估，并检验编码器后的聚合方式如何影响下游性能。 评估采用考虑空间分布的通道缩减，在跨被试静息态睁眼／闭眼分类与被试内运动想象分类中分析模型嵌入。功能鲁棒性通过线性探针在不同通道数量之间的泛化能力衡量；表征鲁棒性则通过被试内表征相似性，以及被试间表征几何结构的保持程度衡量。这两类指标分别回答表征是否改变、改变是否影响任务表现，不能相互替代。 作者报告，四种模型呈现不同的鲁棒性特征，且两个评估维度存在分离：嵌入相似性大幅变化不一定伴随相应程度的探针性能下降，表征稳定也不保证下游性能稳定。作者进一步比较同一编码器的两种读出方式，报告按解剖对齐区域进行池化时，性能退化小于所比较的学习式全局读出；后者即使在构造上具有电极配置不变性，也未因此获得更好的功能鲁棒性。作者据此认为，电极配置鲁棒性由编码器与聚合机制共同决定，仅能接收不同配置的输入不足以证明鲁棒性。 摘要未提供模型名称、数据集、被试数量、具体通道配置、性能数值或统计结果。复现时需核对通道缩减的空间规则、线性探针训练与测试的通道配置组合，以及两种读出的训练条件与比较协议；实验协议、消融及统计信息尚未验证。当前结论限于摘要所述分类任务与评估设计，尚不能外推为任意电极缺失或跨数据集条件下的普遍鲁棒性。