EEG-PRISM：EEG 基础模型预测的生理学解释

基于摘要分析。EEG-PRISM 针对 EEG 基础模型的时间—通道归因难以对应临床生理概念的问题，提出事后归因映射方法，在不修改或重新训练底层模型的前提下，将已有解释器的归因转换到频域与源空间。 核心机制是结合线性变换与既有反向传播规则：通过可逆 DFT 推导频域映射，通过近似可逆的 EEG 生成模型推导源空间映射。其主要贡献是改变归因的解释域，而非训练新的 EEG 预测模型。摘要称评估覆盖模拟与真实数据、五个基础模型及四种 AI 解释器，但模型名称、解释器配置和数据划分尚未验证。 作者报告，在恢复跨域真实现象的模拟实验中，EEG-PRISM 获得接近完美的频谱恢复效果及 69.2% 的空间准确率；摘要未给出频谱恢复指标及空间准确率的具体定义。在癫痫分析中，作者报告 delta-theta 活动最具显著性，并以 50% 的准确率定位癫痫发作起始区域，具体定位单位、样本规模和评估协议尚未验证。在自闭症分析中，作者报告将具有预测作用的 delta-alpha 生物标志物定位至额叶和颞叶，并称其与既有研究一致；这不等同于验证了这些标志物的因果性或诊断效用。 方法支持短暂事件的窗口级解释与生物标志物的群体级分析。复现时值得核对源空间生成模型及近似可逆条件、归因映射的理论保证、不同基础模型与解释器之间的一致性，以及定位结果的参照标准。实验协议、消融及统计信息尚未验证；现有摘要不能据此确认跨被试泛化或临床部署能力。