基于全局场时频表征的被动听觉 ERP 判别相似性分析：用于意识障碍诊断

基于摘要分析。本研究针对意识障碍（DOC）患者行为诊断容易出现误判、个体残余意识的 EEG 评估尚不充分的问题，提出基于全局场时频表征的判别相似性分析（GFTFR-DSA），通过患者被动听觉 ERP 与健康模板的相似程度，辅助区分微意识状态（MCS）与无反应觉醒综合征（UWS）。主要研究对象是 DOC 的鉴别诊断，而非主动 BCI 控制任务。 核心假设是：健康与受损意识状态之间的被动听觉响应相似性，即跨状态相似度，可反映个体患者的意识水平。方法以 GFTFR 作为 EEG 特征，计算单个患者与所构建健康模板之间的平均跨状态相似度指数，再采用线性支持向量机进行个体 MCS/UWS 分类。摘要未提供 GFTFR 的具体计算、相似度定义、模板构建及分类器训练细节，尚不能据此还原完整实现。 作者报告，在 34 名健康对照中，GFTFR 相比时间波形等传统 EEG 特征具有更高的组内一致性；在 40 名 MCS 患者与 54 名 UWS 患者中，MCS 组的 GFTFR 相似度指数显著更高。作者报告，线性支持向量机在个体 MCS/UWS 分类中取得 Balanced Accuracy 和 F1 均为 0.77；摘要未说明训练与测试划分、交叉验证方式、置信区间或独立验证条件，因此这些数值不能直接视为外部临床泛化性能。 该方法的可核对价值在于将与健康响应的相似程度作为具有明确解释方向的诊断特征。复现需核对听觉刺激与 ERP 采集协议、预处理、健康模板是否独立于评估数据、特征及参数选择流程，以及诊断参照标准。实验协议、消融及统计信息尚未验证。作者提出该思路原则上可迁移至其他 ERP，但摘要未展示相关验证；也不能由当前结果推断其已经能够替代临床行为评估或直接测量意识。