应用于 EEG 数据的条件生成对抗网络可揭示拮抗行为在神经层面的相互关系

基于摘要分析。本研究关注反应执行与反应抑制这两类拮抗过程是否在神经层面相互依赖，使用条件生成对抗网络（cGANs）从反应执行时的 EEG 推断反应抑制相关神经动态，并结合源定位分析探讨这种关系。其主要研究对象是目标导向行为的认知神经机制，而非在线 BCI 控制或解码性能。 研究使用了 255 名参与者完成 Go/Nogo 反应抑制任务时的人类 EEG 记录。核心思路是：如果执行与抑制过程在神经层面存在可预测的依赖关系，那么执行反应期间记录的神经生理信息应能用于推断抑制过程。摘要明确以 cGANs 实现这种条件预测，但未提供具体条件编码、网络结构、损失函数或训练细节。 作者报告，利用反应执行期间的神经生理数据，cGANs 能够推断抑制控制期间头皮电位的幅度、时序及其功能性神经解剖来源。摘要未给出定量误差、对照基线或被试内／跨被试划分，因此不能据此判断对未见被试的泛化能力，也不能将这些结果等同于 BCI 任务性能提升。 这一研究路径的价值在于用生成式预测检验相反认知过程之间的统计关联，但预测成功本身不等于建立因果关系。作者提及讨论了利用 cGANs 刻画这种相互依赖的潜在局限，具体内容尚未验证。复现时需核对 EEG 预处理、执行与抑制数据的对应方式、训练测试划分、源定位方法及预测评价标准；实验协议、消融及统计信息尚未验证。