用于基于 EEG 的听觉注意检测的神经启发式架构

基于摘要分析。该研究针对嘈杂场景中从 EEG 识别听者所关注声源的听觉注意检测（AAD）问题，提出一种模仿脑内神经计算与编码策略的神经启发式架构，旨在兼顾检测准确率、计算成本与低延迟，面向神经引导助听器应用。 方法方面，作者将生物计算机制作为解码器设计依据，并通过数据可视化及两个公开数据库上的实验进行验证。摘要未说明具体编码方式、网络结构、训练目标、输入表征或是否需要声源信号，因此尚不能判断其计算节省来自哪些模块，也不能将可视化结果等同于对生物机制的充分验证。 结果方面，作者报告，在 KUL 和 DTU 数据库上，该架构在 1–5 秒决策窗范围内的检测 Accuracy 均优于所比较的线性模型和 CNN 模型；但其 Accuracy 低于时空频谱特征模型 SSF-CNN。作者同时报告，其计算成本不足 SSF-CNN 的 1%。摘要未给出具体 Accuracy、计算成本口径及被试内或跨被试等划分协议，因此上述结论仅适用于文中尚待核对的评估条件，不能扩展为跨被试泛化能力或实际设备延迟的结论。 作者进一步主张该解码器更适合硬件实现且更节能。评估其实际应用价值时，需核对计算成本与能耗的测量方式、决策窗之外的端到端延迟，以及不同模型是否采用一致输入和测试条件。实验协议、消融及统计信息尚未验证；摘要亦不足以确认实际助听设备上的部署表现。