非侵入式脑记录中感知语音解码的跨被试泛化

基于摘要分析。本文研究从非侵入式脑记录中解码感知语音时的跨被试泛化问题，提出 Cross-Subject Perceived Speech Decoding（CPSD）框架，通过源模型预训练与个体化专门训练两个阶段提取跨被试共享信息，并适配目标被试。研究对象是感知语音解码，而非语音想象或发音运动解码。 在源模型预训练阶段，CPSD 使用对比学习学习多个源被试之间的共享表征；随后从源模型中提取一致性成分，用于初始化目标被试模型，再利用目标被试数据微调。因此，该流程包含目标被试数据适配，不能将其结果解释为完全不使用目标被试数据的零样本跨被试泛化。摘要未说明一致性成分的提取方式、对比样本构造、损失形式，以及微调所需的数据量与监督条件。 作者还提出 Positional Encoding-based Spatial Attention（PESA）模块，将 MEG/EEG 数据重映射到标准化参考空间，以增强跨被试空间一致性并辅助训练。其具体位置编码、空间映射方式，以及对不同传感器布局和通道数量的适用条件尚未验证。 作者报告，在涵盖不同模态与语言的三个感知语音神经数据集上，相比基线，Armeni 2022、PKUEEG 2025 和 Broderick 2018 的 Top-10 Accuracy 分别提升超过 6.8%、15.4% 和 15.8%。摘要未明确这些提升是相对百分比还是绝对百分点，也未提供基线名称、绝对分数、候选集合规模及详细划分协议，因此不宜据此比较不同数据集上的收益大小。 作者还报告进一步分析支持方法的有效性、效率与稳健性，但具体实验协议、消融及统计信息尚未验证。复现时需重点核对源被试与目标被试划分、目标被试微调数据预算、共享表征与 PESA 的独立贡献，以及各基线是否使用相同的目标被试数据条件。