刺激前 EEG 活动中的模态特异性预测模板

基于摘要分析。该研究关注人类在视觉或听觉刺激出现前，是否形成可由单试次 EEG 解码的模态特异性预期，以及这种预期是否与逐试次决策策略变化相关。其主要贡献是将刺激前神经活动中的预期信息与有提示、无提示条件下的感知决策行为联系起来。 技术机制：研究考察从信息性提示试次训练的分类器能否泛化到无提示试次，并讨论解码出的预期模板与 Diffusion Decision Model 中漂移率或起始点变化的关系。摘要强调分布式低频刺激前 EEG 包含模态特异性预期信息，但未说明分类器类型、信号处理流程、频段范围、特征构造或模型拟合方法，不能据此确定具体实现。 结果与解释：作者报告，刺激前脑活动包含对即将出现刺激的预期信息，且可在单试次水平提取；行为分析显示，正确预期与决策策略变化相关，并为无提示试次的分类提供支持。作者还报告，解码出的预期与反应速度和准确率有关，并据无提示条件的结果认为，没有显式提示时也会形成预期。摘要未明确具体哪些决策模型参数发生变化，因此不能将这些关联进一步写成已证实的漂移率或起始点机制，也不能据此作因果判断。 证据边界与复现条件：被试人数、试次数、提示有效性、训练与测试划分、是否采用被试内或跨被试评估、分类指标及效应量均尚未验证。复现时需核对有提示到无提示的实际泛化协议、预期标签或行为验证依据，以及 EEG 解码与反应速度、准确率之间关联的统计方法；实验协议、消融及统计信息尚未验证。该研究直接涉及 EEG 预期解码，但材料未提供在线 BCI 控制或应用性能验证。