面向抑郁识别的多尺度对比多模态生理信号表征学习

基于摘要分析。该研究面向基于 fNIRS 与 EEG 的抑郁识别，提出采用孪生架构和多尺度对比的多模态生理信号表征学习框架 MRLMC，旨在捕捉同一刺激任务下两种信号在复杂时空模式中的互补性与语义一致性。 方法首先通过时域数据增强构造不同但相关的数据视图，再利用包含权重共享多尺度时空卷积的时空对比模块学习 fNIRS 与 EEG 表征。此外，语义一致性对比模块以最大化两种模态的语义相似性为目标，强化与刺激任务相关的语义表征。摘要未给出增强操作、对比样本构造、损失函数及权重共享的具体范围，相关实现尚未验证。 作者报告，在公开与自采多模态生理信号数据集上的实验中，MRLMC 优于所比较的先进模型，并能够迁移至多模态时间序列下游任务。但摘要未提供数据集名称、被试规模、刺激任务、被试内或跨被试划分、评价指标、具体数值及迁移任务设置，因此尚不能判断性能增益的幅度与适用边界。实验协议、消融及统计信息尚未验证。 复现时需核对两种模态的时间对齐与预处理、增强是否保持任务相关信息，以及时空对比和语义一致性对比各自的贡献。该工作的直接研究对象是抑郁识别，摘要所述结果不能直接视为 BCI 控制或临床诊断有效性的证据。