Cortical-SSM：用于 EEG 与 ECoG 运动想象解码的深度状态空间模型

基于摘要分析。该研究针对 EEG 与 ECoG 运动想象（MI）分类中生理伪迹干扰及细粒度依赖建模问题，提出 Cortical-SSM，将深度状态空间模型扩展用于联合捕捉时间、空间与频率域的依赖。其主要贡献是面向两类神经信号的解码架构，以及公开 EEG 基准与临床 ECoG 数据上的验证。 机制方面，作者将 Transformer 方法对细粒度依赖的捕捉能力作为改进动机，但摘要未说明 Cortical-SSM 如何表示空间与频率信息、如何与时间状态更新结合，也未提供损失函数、训练策略或推理流程。因此，尚不能判断性能收益来自哪些具体模块，也不能将其解读为已证实的伪迹抑制能力。 评估覆盖三个基准：两个大规模公开 MI EEG 数据集，摘要描述其包含超过 50 名被试，但未明确这一人数是否分别适用于每个数据集；另一个是来自一名肌萎缩侧索硬化症患者的临床 MI ECoG 数据集。作者报告 Cortical-SSM 在三个基准上均优于基线方法，但未给出数据集名称、基线配置、评价指标及具体数值，也未说明属于 Within-subject、Cross-subject 或 Cross-session 协议，不宜据此推断跨被试泛化效果。 作者报告模型的可视化解释涉及具有神经生理意义的 EEG 与 ECoG 区域；这提供了核对模型关注区域的线索，但尚不能据此确认解释的稳定性或因果意义。单例临床 ECoG 验证也不等同于广泛临床有效性。复现时需进一步取得模型实现、预处理与伪迹处理流程、通道配置、数据划分及训练设置；实验协议、消融及统计信息尚未验证。