基于时频空特征与残差特征金字塔网络的听障及正常听力人群 EEG 情绪识别

基于摘要分析。该研究面向听障及正常听力人群的 EEG 情绪识别，融合时域、频域和空间信息，并提出残差特征金字塔网络（RFPN）以建模通道关联、提取多尺度特征；在三个公开数据集及作者的听障 EEG 数据集 HIED 上评估情绪分类。 特征构建方面，作者依据 International 10–20 system，将预处理信号、差分熵（DE）、对称差和对称商构成的四个 EEG 特征矩阵进行融合。模型方面，摘要称使用 space-to-depth（S2D）层替代 CNN 骨干，以降低计算量而不影响分类性能，再通过 RFPN 捕获通道相关性及 EEG 特征图的深层多尺度语义信息。具体融合方式、S2D 与 RFPN 的连接结构、训练目标及计算成本对照尚未验证。 作者报告的分类 Accuracy 分别为：DEAP 四分类 93.56%、SEED 三分类 96.84%、SEED-IV 四分类 91.62%，以及 HIED 六分类 87.74%。摘要未说明这些结果属于被试内还是跨被试评估，也未提供数据划分、被试数、对照基线或统计不确定性，因此不同数据集和类别数下的结果不能直接横向比较，亦不能据此推断跨被试或跨会话泛化效果。 作者另报告，听障被试左右脑区情绪反应的差异比正常听力被试更明显；其测量定义、群体比较方式及统计依据尚未验证，不能将该观察直接解释为因果机制或临床标志物。复现时需核对预处理与特征计算、空间排列、训练测试划分、RFPN 与 S2D 的消融及计算量评估；HIED 的获取条件、代码可用性和完整实验协议均尚未验证。