驾驶疲劳对多层脑网络中跨频相位同步嵌入的影响

基于摘要分析。该研究围绕驾驶疲劳的神经机制，将慢、快振荡之间的跨频耦合（CFC）纳入多层功能脑网络，比较警觉与疲劳状态下的网络拓扑，并开发图神经网络（GNN）用于疲劳检测。其贡献包括跨频协调的网络表征，以及将该表征与行为表现和分类任务联系起来。 作者使用20名被试的24通道 EEG，报告疲劳状态下的 CFC 增强，尤其体现在 beta–gamma 耦合，以及额极、额区和顶区。作者还报告，疲劳状态下多层网络的全局效率与局部效率显著升高，并与反应时密切相关。摘要未给出效应量、相关方向和统计检验细节，因此不能进一步判断这些关联的强度或因果含义。 方法上，GNN 被用于模拟频率内子网络特征经由 CFC 扩散的过程，以检测疲劳。作者报告分类 Accuracy 为96.23%，但摘要未说明该结果采用被试内还是跨被试评估，也未交代训练与测试划分、样本构成及对照基线，因而不能据此判断对新被试或新会话的泛化能力。 阅读全文时值得核对跨频相位同步的估计方法、多层网络中层内与层间连接的构建、网络效率计算条件，以及 GNN 如何实现跨频特征传播。实验协议、消融及统计信息尚未验证；疲劳标签定义、反应时测量方式、伪迹处理和复现资源也需进一步确认。当前材料支持将其视为驾驶疲劳的 EEG 网络分析与检测研究，不足以证明实际部署中的安全收益。