CLEEGN：用于即插即用自动 EEG 重建的卷积神经网络

基于摘要分析。该研究针对 EEG 记录易受伪迹影响、既有重建方法常限于离线分析或依赖个体训练数据的问题，提出卷积神经网络 CLEEGN，利用已有数据训练被试独立的预训练模型，使新用户无需进一步校准即可进行自动 EEG 重建。 核心机制是将已有数据上学习到的重建能力应用于新用户，而非为每位用户单独训练。摘要未披露网络结构、训练目标、监督信号或重建参考的生成方式，因此尚不能确定其如何区分伪迹与真实脑活动，也不能确认预训练数据与测试用户之间的具体划分。 作者报告，在带标签的数据集上通过波形观察、重建误差和解码准确率进行多维评估；模拟在线验证表明，无需校准的 CLEEGN 能较大程度保留内在脑活动，且重建 EEG 的解码准确率优于所比较的主流在线及离线伪迹去除方法。摘要未提供数据集名称、被试数、指标数值或基线名称，相关结论应限定于作者所用的模拟在线评估条件，不能直接视为真实在线部署效果。 作者还通过模型参数与潜在特征可视化分析模型行为，报告其与已有神经科学知识相联系的可解释线索；这类可视化是否足以支持脑活动保真度判断，仍需结合正文中的定量证据核对。 复现时需核对训练与测试的被试划分、伪迹类型、通道配置、重建参考、下游解码器设置，以及模拟在线处理是否满足实际流式输入与延迟要求。实验协议、消融及统计信息尚未验证，代码与预训练权重的可获取性亦尚未验证。