XAnet：用于听觉注意解码的左右脑 EEG 交叉注意力

基于摘要分析。该研究针对听觉注意解码（Auditory Attention Decoding，AAD），提出神经科学启发的 XAnet：将 EEG 按左右侧通道分组，再通过 cross-attention 整合两组信号，以捕捉选择性听觉注意下左右脑响应的差异。 机制依据是双侧脑半球对声学特征的整合，以及注意语音位置同侧与对侧半球中具有空间特异性的 alpha 功率变化。XAnet 将这些观察转化为通道分组与跨组交互设计；但摘要不足以确定模型是否显式提取 alpha 特征，也不能据此认定其学到了对应的生理机制。作者声称，据其所知，这是 AAD 中首次通过划分并整合左右通道组捕捉脑响应的方法，该优先性尚未独立核实。 作者报告，在 KUL 数据集、1 秒决策窗下，使用 64、10、4 个通道时，XAnet 的 Accuracy 分别为 90.6%、82.1%、75.1%，对照 CNN 分别为 84.1%、75.1%、62.0%。这些结果支持进一步核对其短窗与少通道条件下的表现，但摘要未说明被试内或跨被试协议、数据划分、通道选择及统计不确定性，不能据此判断跨被试或跨会话泛化能力。 复现需核对左右通道划分规则、cross-attention 的具体实现、预处理、训练设置及 CNN 对照条件。关键验证点是性能收益能否归因于左右分组与跨组交互，而非其他模型差异；实验协议、消融及统计信息尚未验证，代码可用性也尚未确认。