利用脑活动模式区分增强现实场景中受到注意的真实与虚拟目标

基于摘要分析。该研究探讨增强现实场景中，能否利用 EEG 与眼动数据判断用户正在注意的目标是真实物体还是虚拟物体，贡献在于评估 EEG 分类及多模态融合对这一注意目标属性判别任务的可行性。 方法与协议：研究采集了 20 名参与者在增强现实场景中的 EEG 和眼动数据，以浅层卷积神经网络分类长度为 3 秒的 EEG 窗口。主要评估采用被试内、训练与测试来自不同试次的协议；摘要未提供网络具体结构、预处理、试次划分比例或训练设置。多模态方案采用后期融合，将眼动信息纳入分类，但融合规则及眼动特征尚未验证。 结果：作者报告，在上述被试内跨试次协议下，EEG 分类的平均 Accuracy 超过 70%；加入眼动数据的后期融合方案将 Accuracy 显著提高至 77%。摘要未给出显著性检验及不确定性范围。对于被试独立分类，作者报告 20 名参与者中有 6 名的 EEG 分类高于机会水平，但具体训练与测试划分、机会水平计算及各被试结果尚未验证。这些结果不能与被试内表现直接比较。 证据边界与复现关注：作者据此认为该 BCI 的可靠性足以作为增强现实应用的输入机制；目前摘要支持的是特定实验条件下的分类可行性，尚不足以确认在线应用或跨被试部署的稳定性。复现时应核对真实与虚拟目标的视觉条件、眼动特征与 EEG 判别信息的关系，以及不同试次之间的划分方式。实验协议、消融及统计信息尚未验证；代码、数据开放情况和在线系统验证条件亦无法从所给材料确认。