缓解不同皮层区域间时间尺度异质性的 EEG 情绪识别

基于摘要分析，当前材料仅包含 Highlights，未取得论文全文。该研究面向 EEG 情绪识别，尝试缓解不同皮层区域间的时间尺度异质性，并以神经科学先验指导模型设计，结合局部多尺度与全局时序特征建模。 机制方面，材料说明作者修改了 DWSC，以提取 EEG 的多尺度局部时序特征；采用 Coordinate attention，旨在降低不同皮层区域的时序异质性；引入 Retention Transformer，以捕获全局时序特征。材料未展开 DWSC 的具体定义、修改方式、注意力作用维度，以及局部与全局特征的融合流程，因此尚不能判断模型如何具体对齐不同区域的时间尺度，或先验知识如何落实到模型结构与训练中。 结果方面，作者报告该模型在二分类和四分类情绪识别任务中优于 SOTA 模型，但当前材料未给出数据集、被试数量、被试内或跨被试等评估协议、对照模型、指标及具体数值，无法据此核对优势幅度或跨被试泛化能力。 阅读与复现时，应重点核对皮层区域与 EEG 通道的对应方式、多尺度时间窗口设置、Coordinate attention 对异质性的实际作用，以及 Retention Transformer 相对其他时序建模方法的贡献。数据划分、预处理、训练细节、消融及统计信息尚未验证，代码与复现条件亦尚未验证；情绪分类任务上的作者报告不能直接视为在线 BCI 有效性的证据。