使用线性模型分布追踪 EEG 变化：应用于基于丙泊酚的麻醉深度监测

基于摘要分析。本研究针对短期特征平均值可能难以充分表征脑动力学变异的问题，提出以滑动窗口估计的线性模型参数分布追踪脑状态，并在丙泊酚麻醉深度监测中检验其有效性。主要研究对象是麻醉状态下的额部 EEG，而非 BCI 任务解码。 方法采用自回归滑动平均模型（ARMA）拟合 EEG，通过比较当前模型参数分布与各脑状态对应的参数分布，分类个体的脑状态。研究使用15名接受丙泊酚麻醉被试的额部 EEG，以观察者警觉/镇静评估量表（OAA/S）作为状态分类依据；对照特征为 Higuchi fractal dimension，同样采用分布方式分类 OAA/S 评分。 作者报告，在该 OAA/S 分类测试中，ARMA (2,1) 的最高平均测试 sensitivity 为59%，机会水平 sensitivity 为17%；Higuchi fractal dimension 为52%，两者未观察到统计学差异。同一 ARMA 配置改用参数中位数而非分布时，sensitivity 为56%，与分布方法也未观察到统计学差异。这些数值是 sensitivity，不能解释为 Accuracy；未观察到统计学差异也不等于证明方法等效。 结果支持线性模型参数可用于麻醉状态追踪，但尚不能确认保留参数分布比中位数或短期汇总量更有效。摘要未说明具体分布表示、分布比较规则、滑动窗口设置、训练与测试划分，以及被试内或跨被试协议；实验协议、消融及统计信息尚未验证。复现时需核对这些细节及 OAA/S 标签与 EEG 的时间对应方式。作者提出其可能适用于更一般的脑状态追踪，但摘要未提供其他 EEG 场景或 BCI 任务的验证，不能据此认定其具备通用解码效果。