基于倒谱分析的前额 EEG 伪迹检测、识别与去除

基于摘要分析。该研究针对前额 EEG 中的眼动伪迹，提出倒谱分析特征提取与 SVM 分类相结合的检测、识别方法，并以基于统计值的伪迹去除方法评估下游情绪分类表现。主要贡献是将眼动伪迹检测、类型识别及去除效果评估纳入同一研究，并报告每段信号的运算需求。 技术路径上，作者建立了包含不同被试的无伪迹 EEG 与眼动污染 EEG 的数据库，通过倒谱分析提取特征，再由 SVM 判断目标 EEG 中的伪迹及其类别。摘要未说明倒谱计算方式、特征构成、SVM 配置，以及基于统计值的去除方法如何估计和处理污染成分，具体机制尚未验证。 作者报告，在所建数据库上，伪迹检测任务的 Accuracy 为 99.62%，六类别眼动分类任务的 Accuracy 为 82.79%。虽然数据库包含不同被试，但训练与测试是否采用被试内或跨被试划分尚未验证，因此不能将这些结果直接解释为跨被试泛化性能。作者还报告，在一个未具名的公开 EEG 数据库上，伪迹去除使三类别情绪分类的 Accuracy 提升 3.46%；摘要未明确这是相对增幅还是百分点差值，也未提供具体对照与划分协议。 作者报告，对每个 5 秒 EEG 片段作出判定仅需 0.66M 次乘法运算，并称其相较先进伪迹检测与去除方法具有更高检测准确率和更低计算成本。该比较的基线、运算统计范围与硬件实测延迟尚未验证，不能据此认定已满足实时 BMI 部署要求。 复现需核对数据库可用性、眼动类别定义、采集通道与预处理、数据划分，以及伪迹去除是否保留有效 EEG 成分。实验协议、消融及统计信息尚未验证；现有证据主要支持眼动伪迹处理与特定情绪分类评估，尚不能推广到其他伪迹类型或 BCI 任务。