使用 EEG 信号与机器学习进行注意检测：综述

基于摘要分析。本文综述使用 EEG 信号与机器学习进行注意检测的研究，重点关注听觉注意检测（auditory attention detection，AAD）与注意水平分类。作者以论文所述的近五年研究为范围，整理实验范式、信号处理、数据资源及分类方法，旨在补充该领域综合性、系统性综述的不足；本文不是新模型或新数据集发布。 技术内容按研究流程展开：先介绍常用范式、预处理技术与伪迹处理方法，并列出相关研究中可获取的数据集；随后将分类方法划分为传统机器学习与深度学习两类，分析常用方法及影响其性能和适用性的因素；最后讨论现有挑战与未来方向。摘要未列出具体算法、数据集名称或定量比较结果，因此不能据此判断哪类方法更优，也不能将 AAD 与注意水平分类视为具有相同标签定义和评估条件的任务。 对 EEG 研究的直接价值在于提供任务、数据处理和方法选择的梳理入口。若用于设计实验或比较已有结果，仍需从全文核对检索时间范围、文献纳入标准、各任务的标签与范式、被试内或跨被试等评估协议，以及预处理和伪迹处理是否一致。具体研究覆盖、实验协议、消融及统计信息尚未验证；摘要也未提供可支持算法性能排名或复现结论的证据。