BDAN-SPD：面向跨被试 MI-BCI 的时空模式差异引导脑解码对抗网络

基于摘要分析。BDAN-SPD 针对运动想象（MI）EEG 解码中的个体差异及跨被试迁移问题，将运动侧化启发的时空模式差异先验与 transformer 引入脑解码对抗网络，并通过 EEGMix 数据增强和自适应对抗因子改善域间分布对齐。 方法机制方面，作者区别于主要通过设计不同判别器减少个体差异的域对抗迁移网络，强调利用 EEG 时空模式差异增强特征判别性。为缓解对抗网络决策边界偏向源域的问题，EEGMix 用于快速混合并丰富目标域数据；自适应对抗因子则用于同时减小边缘分布与条件分布差异。摘要未说明时空先验的具体编码方式、transformer 结构、EEGMix 混合规则、对抗因子的更新机制或损失形式，这些实现细节尚未验证。 结果方面，作者报告在跨被试 MI 解码任务中，三个公开数据集 2a、2b 和 OpenBMI 的 Accuracy 分别为 77.49%、85.19% 和 79.37%，并称优于所比较的其他先进算法。摘要未提供被试划分、目标域标签是否参与训练、数据增强适用范围、具体对照基线及统计不确定性，因此不能据此判断不同方法是否在完全相同协议下比较，也不能将这些结果外推为在线 BCI 性能。 复现时需核对源域与目标域的构建、预处理、训练与测试数据边界、目标域监督条件，以及时空先验、EEGMix 和自适应对抗因子的独立贡献。实验协议、消融及统计信息尚未验证；材料也未提供可核实的代码与完整复现配置。