利用 EEG 脑网络的脑间同步解码人类交互类型

基于摘要分析。本研究以合作与竞争两类人际交互为对象，研究 EEG 超扫描中的脑网络级脑间同步及其与交互类型的关系。核心贡献是提出 network-wise inter-brain synchronization（NIBS）指标，并使用行过滤深度可分离卷积网络对 NIBS 特征进行二分类解码。 机制上，研究由既有的电极配对脑间同步分析转向全局脑网络视角，试图用 NIBS 表征跨脑网络同步，再通过修改后的卷积网络区分合作与竞争。摘要未给出脑网络构建方式、连接度量、NIBS 数学定义、行过滤操作及训练细节，这些实现条件尚未验证。 作者报告，在所用 EEG 超扫描数据的合作与竞争任务中，NIBS 存在显著差异；比较分析还显示，合作任务中的跨脑同步比竞争任务更一致。作者报告，修改后的卷积网络在合作与竞争二分类中达到峰值 Accuracy 96.05%。摘要未说明该数值对应被试内、跨被试或其他划分协议，也未提供被试数量、数据集名称、对照模型及统计检验细节，因此不能据此判断对新被试或新交互情境的泛化能力。 该工作直接涉及 EEG 人际交互解码，但摘要中的任务识别结果并不等同于在线 BCI 有效性。复现时需核对超扫描采集与配对方式、脑网络和 NIBS 的计算流程、样本划分单位，以及峰值 Accuracy 的选择与汇总方式；完整实验协议、消融及统计信息尚未验证。