MEET：用于脑状态解码的多频带 EEG Transformer

基于摘要分析。该研究针对 EEG 的多频带、多尺度时间特征，提出 Multi-band EEG Transformer（MEET），通过频带注意力与时间、空间自注意力的组合进行脑状态解码。其主要研究对象是 EEG 脑状态分类，摘要未将任务限定为运动想象或其他特定 BCI 范式。 核心机制包含三个环节：首先将 EEG 信号转换为多频带图像，同时保留电极之间的三维空间信息；随后利用 Band Attention Block 对堆叠的多频带图像计算注意力并形成融合特征图；最后通过 Temporal Self-Attention 和 Spatial Self-Attention 提取时空特征，以表征和区分多帧动态脑状态。方法的具体阅读价值在于将频带融合与时空关系建模结合，而非仅在单一表征上应用 Transformer。图像构造、三维空间信息编码、频带边界、损失函数及训练与推理细节尚未验证。 作者报告，在 SEED、SEED-IV 和 WM 等开放 EEG 数据集的脑状态分类实验中，MEET 优于所比较的先进方法；作者还报告，在其考察的频带融合策略中，五频带融合表现最佳，并识别出可解释的脑注意力区域。摘要未提供具体指标、数值、对照模型或数据划分，因此无法判断这些结论对应被试内、跨被试还是跨会话协议，也不能将五频带融合推广为所有 EEG 任务的最优方案。 复现时需要核对预处理及多帧样本构造、电极空间映射、频带融合对照，以及频带、时间和空间注意力各自的消融结果。注意力区域的展示是否支持生理层面的解释，也需结合全文中的验证方式判断。作者将模型描述为可解释且通用，但其跨任务、跨被试和跨数据集的适用范围尚未验证；实验协议、消融及统计信息尚未验证，代码与复现资源的可用性亦无法由当前材料确认。