面向基于内源性 EEG 范式的个性化 BCI 应用

基于摘要分析。该研究针对个性化 BCI 如何同时识别用户身份与识别其意图的问题，提出基于内源性 EEG 范式的概念框架，涵盖运动想象（MI）、言语想象（SI）和视觉想象，并以私有 EEG 数据进行初步可行性验证。 框架包含用户识别与意图分类两个核心组件：前者确定用户身份，后者识别用户希望执行的动作，以支持按个人偏好和需求定制服务。研究采用 ShallowConvNet 解码 EEG 特征；摘要未说明两个组件是否共享模型、具体训练目标，以及三种范式如何组织为意图类别，这些细节尚未验证。 作者报告，在来自八名被试的私有 EEG 数据集上，用户识别的平均分类 Accuracy 为 0.995；覆盖全部范式的意图分类 Accuracy 为 0.47，其中 MI 表现最好。摘要未提供被试内、跨被试或跨会话评估设定、训练测试划分、类别数量与机会水平，因此不能将这些数字直接解释为新会话或实际在线使用中的性能，也不能直接比较两项任务的难度。 作者据此认为 EEG 可支持个性化 BCI，尤其强调 MI 与 SI 的意图解码潜力。不过，摘要只明确给出 MI 表现最好，未提供 SI 的独立指标；0.47 的意图分类 Accuracy 是否足以支持可靠交互，仍需结合任务类别、误操作成本及在线评估判断。 复现需核对私有数据的可获取性、采集与预处理流程、ShallowConvNet 配置、两项任务的划分方式，以及个性化服务是否经过实际交互验证。实验协议、对照、消融及统计信息尚未验证。