NeuroAiR：基于头皮记录神经信号的空中书写识别深度学习框架

基于摘要分析。研究关注通过 EEG 识别使用手指在空中书写的英文字母，构建了记录英文大写字母书写过程 EEG 的 NeuroAiR 数据集，并探索多种特征表示与深度学习模型的组合，旨在提供人机交互的替代输入方式。这里的任务是实际手指运动中的字母识别，不能等同于运动想象（MI）或无动作文字解码。 技术上，研究比较了处理后的 EEG、Independent Component Analysis（ICA，独立成分分析）成分、源域 scout 时间序列，以及基于 spherical harmonic 和 head harmonic 分解的特征，并考察不同 EEG 频带对识别表现的影响。摘要未说明具体预处理流程、源域建模方法、特征维度、训练损失与各模型配置，因此尚不能据此还原完整实现。 作者报告，在所考察的特征与模型组合中，ICA 成分配合 EEGNet 获得最高 Accuracy，为 44.04%。摘要未交代该数值对应的被试内或跨被试协议、训练测试划分、类别分布及统计不确定性，因此不能将其解读为已验证的跨被试泛化能力，也不能直接与其他字母识别结果比较。 作者将结果视为 EEG 空中书写识别的基线与可行性证据。复现时需核对被试数、采集通道、试次数、字母书写时序、数据划分，以及 ICA 拟合和成分筛选过程；尤其需要核对如何区分神经活动与伴随手指运动的肌电、眼动等伪迹。实验协议、消融及统计信息尚未验证，数据和代码的可获取性也未由所给材料确认。摘要所述将识别字母拼接为词属于应用设想，未提供连续词输入或在线交互的验证结果。