将机器学习应用于信号同步分析以识别手语中的预测加工

基于摘要分析。该研究考察流利手语使用者理解动态视觉语言时的多频率神经同步，以 EEG 与视频刺激光流之间的相干性为依据，利用机器学习区分在线语言理解状态与观看非语言视频时的非理解状态。其主要研究对象是手语理解的神经机制，而非直接面向 BCI 控制的解码系统。 方法上，光流用于表征视频中的动态视觉特征，EEG—光流相干性用于刻画神经活动与视觉输入之间的频率相关耦合。摘要称，非语言视频在低层时空特征和高层场景参数上与语言视频相当；这一对照有助于考察分类是否反映超出一般视觉动态差异的语言理解过程，但具体匹配方法及其充分性尚未验证。 作者报告，在上述语言理解与非语言观看条件的分类中，1 Hz 和 4 Hz 等低频成分有较大贡献，并据此提出流利手语使用者在在线理解中依赖预测加工。摘要未给出分类性能、被试数量、数据划分或分类器细节，因此不能判断被试内或跨被试泛化能力；相干性分类证据也不能直接等同于对预测加工机制的因果验证。 复现时需核对光流提取与 EEG 预处理流程、相干性估计方法、频段贡献的评估方式，以及训练测试划分是否对应所声称的泛化范围。实验协议、消融及统计信息尚未验证。现有材料支持将其作为语言理解相关 EEG 表征研究阅读，不足以确认其在实际 BCI 场景中的有效性。