面向小样本癫痫 EEG 信号的多中心知识迁移校准与快速零阶 TSK 模糊系统

基于摘要分析。该研究针对不同医疗机构间癫痫 EEG 样本质量与分布差异，以及小型或单一机构训练数据有限的问题，提出 Multicenter Knowledge Transfer Calibration with rapid zeroth-order TSK fuzzy system（MKTC-R0T），利用多中心知识迁移与校准辅助目标中心建立分类模型。研究主要对象是癫痫 EEG 的诊断与分类，不是 BCI 控制任务。 机制上，MKTC-R0T 以零阶 TSK 模糊系统作为各中心的基础模型，先在大型医疗机构建立基础中心模型；随后随机遗忘其中一部分知识，将保留的知识用于辅助中心的快速模型部署；最后通过知识整合，由各中心共同指导目标中心构建用于癫痫 EEG 分类的高效线性系统。摘要将随机遗忘描述为对人脑遗忘机制的模仿，但未给出知识的具体表示、遗忘比例、校准目标、优化过程或线性系统的求解细节，不能据此将其解释为已验证的生物机制。 作者报告，在 12 个癫痫 EEG 信号数据集上的实验中，MKTC-R0T 在运行时间、部署速度、规则复杂度、泛化能力和鲁棒性方面优于其他典型算法。摘要未提供数据集名称、被试规模、中心划分、被试内或跨被试评估协议、具体基线及数值指标，因此这些结果只能作为作者报告的总体结论，尚不能量化优势或判断不同中心条件下的适用范围。 阅读与复现时应重点核对各中心的数据与知识交互形式、目标中心可用样本及标签条件、随机遗忘和知识整合的独立贡献，以及效率比较所用的硬件与计时范围。摘要以保障患者隐私和提高可解释性为目标，但隐私保护机制、规则解释方式、实验协议、消融及统计信息尚未验证；现有材料也不足以支持临床有效性或 BCI 任务中的效果结论。