预测运动行为：用于检测具有潜在 VR 神经康复治疗意义的脑状态的高效 EEG 信号处理流程

基于摘要分析。该研究面向 VR 运动神经康复中的个体化刺激选择与时机控制，提出开源单试次 EEG 分类流程，以识别能够预测运动规划和执行的持续脑状态。其主要验证对象是健康参与者在实际伸手任务中的左右手选择，而非运动想象解码或患者康复疗效。 研究纳入 9 名健康志愿者，每人完成 1080 次重复伸手试次；参与者在视觉目标出现后，以隐式二选一方式选择右手或左手执行动作。流程利用刺激出现时的 EEG 信号预测后续左右臂使用。作者比较了不同时间窗下的特征、特征提取方法和分类器，并量化有信息量的 EEG 通道数量与位置、所需校准试次数，以及个体层面参数优化的收益。摘要未给出具体特征、分类器名称或推荐参数。 作者报告，推荐参数在此前未见的测试数据上达到平均 83.3% 的分类 Accuracy，在实时模拟中达到 77.1%；后者被作者称为达到当时最先进水平，但其比较基线与评估条件尚未验证。摘要未明确这些结果对应被试内、跨被试还是跨会话协议，也未说明具体划分方式，两种评估条件不能直接等同于实际在线闭环表现。 作者通过时频分析、ERP 分析、Independent Component Analysis 拓扑及皮层源定位评估分类器的神经生理合理性，但摘要未提供具体发现。研究价值在于将脑状态预测与通道配置、校准负担和实时可用性结合考察；将预测脑状态作为闭环 EEG-VR 的治疗靶点仍属于作者的预期，尚不能据此认定其能提高康复疗效。复现前需核对开源实现的获取条件、刺激时刻可用的信号窗口、预处理与校准流程、训练测试划分及实时模拟设定；实验协议、消融及统计信息尚未验证。