DGSD：用于基于 EEG 的听觉空间注意检测的动态图自蒸馏

基于摘要分析。研究针对多说话者环境中利用 EEG 判断目标说话者的 Auditory Attention Detection（AAD），提出动态图自蒸馏方法 DGSD，不需要将语音刺激作为模型输入。其核心贡献是结合动态图卷积与自蒸馏，建模 EEG 的图结构并提取听觉空间注意相关特征。 机制方面，作者认为主要面向图像等欧氏数据设计的传统卷积神经网络难以充分处理 EEG 的非欧氏特性，因此采用动态图卷积网络表示 EEG 的图结构。自蒸馏包含特征蒸馏和逐层的层级蒸馏，通过最深层的特征与分类结果指导浅层学习。摘要未说明图节点与边的定义、图结构如何动态更新、蒸馏损失及权重，也未提供具体网络结构，这些实现细节尚未验证。 结果方面，作者报告在两个公开数据集 KUL 和 DTU 上，使用 1 秒时间窗分别获得 90.0% 和 79.6% 的 Accuracy。摘要未交代这些结果属于被试内还是跨被试评估，也未说明训练、验证与测试划分，因此不能据此判断跨被试泛化能力。作者还报告 DGSD 优于其比较范围内最佳的可复现基线，且可训练参数量约减少 100 倍；基线身份、对应分数、参数绝对数量及统计依据尚未验证，参数减少也不能直接等同于推理延迟降低。 复现时应重点核对图构建与更新规则、深浅层蒸馏路径、EEG 预处理、时间窗采样和数据划分，以及基线复现条件。动态图建模和两类蒸馏各自的贡献，需要结合全文中的消融及统计信息确认。当前证据支持将其作为短窗 EEG 听觉空间注意检测的方法候选，不足以确认其跨被试、跨会话或实时部署效果。