电极配置无关且免校准的 EEG 事件分割

基于摘要分析。该研究针对连续 EEG 中短时事件的分割与检测，提出结合学习式通道嵌入空间插值的电极配置无关框架，旨在无需针对目标记录电极配置训练、也无需被试特定校准的条件下实现高时间分辨率事件分割。 研究问题不同于依赖刺激时间锁定的分析，也不同于睡眠分期等较长、边界相对明确的片段识别：实际 BCI 中刺激可能不规则出现，操作者也可能产生内源性事件，因此需要在连续信号中定位事件。摘要明确的核心机制是对学习到的通道嵌入进行空间插值，以处理不同记录电极配置；插值的具体定义、所需电极位置信息、嵌入学习方式、分割输出与损失形式尚未验证。 作者报告，在覆盖 P300、SSVEP 和运动想象的多种数据集与范式上，该模型持续优于原始基础模型 BIOT 和 EEGPT，并具有更好的跨数据集及电极配置无关泛化表现。摘要未提供数据集名称、被试数量、划分方式、事件边界定义、评价指标或具体数值，因此尚不能判断各范式的收益幅度，也不能将跨数据集结果直接等同于独立验证的跨被试或跨会话结果。 复现时应重点核对目标数据集与目标电极配置的隔离方式、免校准条件允许使用的信息、基线适配方式，以及时间分辨率与误检、漏检和边界误差之间的权衡。实验协议、消融及统计信息尚未验证。作者称代码与预处理数据已公开，但其可访问性与复现完整性尚未核验。实时神经科学研究、临床诊断和 BCI 应用是作者提出的未来方向；摘要未提供在线延迟或临床验证结果。