使用配备 EEG 的头戴设备预测举起重量的类别

基于摘要分析。该研究考察 EEG 能否用于检测人体举重动作及所举重量类别，核心任务是在肱二头肌屈伸运动中区分空载、中等负重和重负重。作者使用商用 EEG 头戴设备以及适合自行搭建的开源、开放协议 EEG 硬件，并设计和评估了基于特征的分类方法与深度学习模型。 研究包含两项肱二头肌弯举实验：作者描述其中涉及按照神经科学标准设计的概念验证，以及面向可穿戴传感和智能服装实际应用的探索。摘要未给出具体特征、模型结构、训练方法、动作检测结果，也未说明三类负重的实际重量、被试人数、通道配置及采集流程，相关细节尚未验证。 作者报告，在区分空载、中等负重和重负重的三分类评估中，Accuracy 最高达到 78%，并称其方法持续优于同类已有方法。但摘要未明确该结果对应的硬件、模型、数据划分及被试内或跨被试协议，也未列出对照基线，因此尚不能据此判断跨被试、跨会话泛化能力或直接比较不同协议下的性能；实验协议、消融及统计信息尚未验证。 复现时值得重点核对同步运动期间的肌电、头部运动和电极接触变化如何处理，以及训练与测试样本的划分单位，从而厘清模型利用的是何种信号信息；这些是待核对事项，并非已确认的问题。作者提出康复、体育及工业应用方向，但摘要未提供这些场景的独立验证。作者表示研究采集的数据集将公开，这属于公开计划，当前可获取性及代码、预处理和评估配置尚未验证。