基于 EEG 与眼动信号的五类情绪分类：判别能力与随时间的稳定性

基于摘要分析。该研究考察 EEG 与眼动信号对快乐、悲伤、恐惧、厌恶和中性五类情绪的判别能力及随时间的稳定性，构建包含 16 名被试的多模态情绪数据集 SEED-V，并比较单模态分类与特征级融合（FLF）。 方法方面，作者分别基于 EEG 和眼动信号训练分类器，并使用 EEG 地形图呈现神经活动模式。摘要未说明分类器类型、具体特征提取方法及 FLF 的实现细节，这些内容尚未验证。 结果方面，作者报告 EEG、眼动与 FLF 的平均 Accuracy 分别为 70.8%、59.87% 和 75.13%。这些数字来自摘要所述五类情绪分类实验，但训练与测试划分、被试内或跨被试协议、是否跨会话评估及平均方式尚未明确，不能据此推断跨被试或跨会话泛化效果。作者报告 beta、gamma 频段的判别能力优于 delta、theta、alpha 频段。 关于时间稳定性，作者报告不同情绪存在跨会话共有的稳定神经模式；其中，厌恶情绪在额区表现出较高的 gamma 响应，恐惧情绪在脑顶部区域表现出较低的 gamma 活动。这些属于作者依据 EEG 空间模式得出的结论，不宜进一步解释为已验证的因果机制或个体级情绪标志物。 阅读与复现时应重点核对会话安排、稳定性的量化定义、数据划分、预处理及眼动伪迹处理，确认分类结果与空间模式分析之间的证据关系。实验协议、消融及统计信息尚未验证；数据和代码的开放情况也尚未验证。