基于人类前庭网络开放 EEG 数据集的机器学习模型用于 VR 晕动症分类

基于摘要分析。该论文研究利用 EEG 与机器学习模型进行 VR 晕动症（cybersickness）分类，聚焦开放数据可得性、数据分布不平衡、泛化测试有限及个性化 EEG 数据探索不足四项挑战。所提供摘要片段主要说明研究动机，尚不足以确认具体方法贡献或分类效果。 技术层面，标题表明研究涉及人类前庭网络相关的开放 EEG 数据集，但材料未给出数据集名称、前庭网络的操作性定义、EEG 特征、预处理流程、模型类型或训练方式。摘要将数据不平衡列为关键问题，但其具体分布及处理策略尚未验证；同样，个性化建模如何实现，以及泛化测试采用跨被试、跨会话还是跨数据集协议，均无法从现有材料确认。 评估层面，材料未提供被试数量、标签来源、数据划分、对照基线或指标，因此不能判断作者是否解决了所列挑战，也不能比较个性化模型与通用模型的表现。阅读全文时应重点核对类别不平衡与评估指标的对应关系、训练与测试的被试及会话边界，以及个性化模型所需的校准数据。实验协议、消融及统计信息尚未验证。该工作直接涉及 EEG 状态分类，但现有材料不足以支持其在线 BCI 应用有效性的结论。