实时反馈改善基于 EEG 的想象三维基本几何体分类

基于摘要分析。本研究考察 EEG 能否区分对球体、圆锥、棱锥、圆柱和立方体五类三维基本几何体的想象，以及实时反馈能否改善解码表现。研究贡献在于通过四项关联研究，将物体想象解码从无反馈评估扩展到多会话实时反馈场景；这一任务属于物体想象，不应等同于运动想象（MI）。 研究设计方面，研究 1（N=10）采用单会话无实时反馈设计，研究 2（N=3）采用多会话无实时反馈设计；研究 3（N=2）和研究 4（N=4）涉及多会话、无实时反馈与有实时反馈条件，但摘要未充分交代两项研究内的条件分配。四项研究共包含 69 个会话，其中 26 个会话为提供实时反馈的在线会话；离线会话合计 15,480 个试次，在线会话合计至少 6,840 个试次。各研究参与者是否重叠尚未验证，不能将各项 N 直接相加视为独立被试总数。 作者报告，在多会话条件下，相较无反馈表现，偏置反馈（biased feedback）使解码 Accuracy 显著改善（p=0.004）。摘要未给出绝对 Accuracy、改善幅度、效应量或统计检验细节，因而该显著性结果不能直接说明五分类系统的实际可用性。偏置反馈如何生成、反馈条件如何安排，以及分类器训练和评估所用的数据划分均尚未验证；多会话设计本身也不能证明采用了跨会话泛化评估。 技术与复现方面，摘要未提供 EEG 预处理、特征提取、分类器、反馈呈现方式及在线更新机制，实验协议、消融及统计信息尚未验证。阅读全文时应重点核对反馈偏置与真实解码输出的关系，以及反馈收益能否与练习、会话变化等因素区分。作者声称这是首次展示实时反馈影响三维基本几何体想象 BCI 表现的研究，该优先性尚未独立检索确认。工程设计构思和图像重建是文中提出的应用方向，而非摘要中已验证的应用效果。