利用 EEG 信号通过可解释神经网络解析脑同步动态：应用于阅读障碍诊断

基于摘要分析。该研究针对发育性阅读障碍（DD）检测，将低水平听觉加工相关的 EEG 跨频率相位同步（CFS）动态转换为图像序列，再以两阶段深度学习模型提取时空判别模式，并通过特征掩码解释分类所依赖的信息。主要研究对象是典型与阅读障碍七岁儿童的脑同步动态，而非 BCI 控制任务。 技术机制：图像序列用于保留相位同步随时间变化的空间与时间信息，两阶段模型据此识别具有分类价值的同步模式。摘要未说明 CFS 的具体计算方式、频率组合、图像编码规则、两阶段模型各自的功能，以及损失函数和训练流程，这些细节尚未验证。 结果与解释：作者报告，在典型与阅读障碍七岁儿童的检测任务中，Balanced Accuracy 最高达 83%；摘要未给出被试数量、数据划分、被试内或跨被试评估协议及对照基线，因此该数值不能直接用于判断新被试上的诊断表现。作者认为结果支持两类儿童存在不同的脑同步动态，并报告利用新颖的特征掩码，将分类中的重要区域与正常阅读认知过程及阅读障碍的补偿机制联系起来。这种解释性关联不应视为相关机制的因果证据。 复现与验证：需核对听觉任务、EEG 采集与预处理、同步特征计算、序列构建及划分单位，并确认特征掩码的生成方式和稳定性评估。实验协议、消融及统计信息尚未验证；代码与数据可用性也尚未验证。当前摘要支持将其作为 EEG 同步动态建模与解释方法阅读，但不足以确认临床诊断效用或 BCI 任务中的有效性。