MVGT：基于空间关系的多视图图 Transformer，用于 EEG 情绪识别

基于摘要分析。该研究针对 EEG 情绪识别中单一视角难以充分利用时域、频域和空间信息的问题，提出基于空间关系的多视图图 Transformer（MVGT），通过整合多域信息及通道间关系增强信号表征。 机制方面，摘要明确列出三类信息来源：连续序列中的时间动态、从频带提取的频率特征，以及通过多种空间编码表达的通道间关系。其方法关注点是联合建模这些互补信息，而非仅从单一域分析 EEG。摘要未说明具体空间编码、图构建方式、各视图的融合机制、训练目标及推理流程，这些实现细节尚未验证。 结果方面，作者报告 MVGT 在公开数据集上的性能超过当前先进方法，并据此认为该模型具有提取多域信息和建模通道间关系的潜力。但材料未提供数据集名称、被试数量、情绪标签设置、被试内或跨被试等评估协议、数据划分、指标及具体数值，因此尚不能判断优势的幅度或泛化范围，也不能将其解释为已经验证的跨被试或跨会话效果。 进一步阅读与复现应核对时域、频域及空间编码各自的贡献，多视图联合建模相对单视图方法的对照，以及不同方法是否使用一致的数据划分和预处理。实验协议、消融及统计信息尚未验证；代码可用性、运行环境和复现条件也需从完整材料确认。当前证据仅支持将其视为 EEG 情绪识别方法研究，不宜外推为其他 BCI 任务中的已验证收益。