AffectRoute：基于角色结构化 EEG 与外周生理信号的被试独立情感回归

基于摘要分析。该研究针对跨个体情感反应差异、粗粒度试次级标注及异质生理模态贡献不稳定的问题，提出协议条件化的被试独立情感回归方法 AffectRoute。其核心是为源人群信息、EEG 与外周生理信号（PPS）分配不同预测职责，而非将各模态视为可互换的预测输入。 方法分为三个环节：首先，仅使用源被试数据建立试次级情感先验锚点；其次，TrajBridge 将受 REFED 监督、用于个体调整的 EEG 表征与 REFED 连续标注提供的时间结构结合，构建弱监督的片段级伪轨迹，并建立冻结的试次级基线；最后，PhysioRoute 将残差校正分解为源人群折外残差估计的方向，以及 PPS 提供的通道特异性幅度。该设计的关键在于约束外周信号的作用，使其承担结构化残差修正，而非不受约束的多模态融合。 在 DEAP 和 DREAMER 的被试级留一被试评估中，作者报告各阶段在平均绝对误差和一致性相关系数上均有逐步改善。作者报告，仅依赖源数据的校正方法弱于 PhysioRoute，常规 PPS 融合替代方案也较弱；通道级及留一通道分析表明，外周贡献随情感维度变化，并分布于多个通道。摘要未提供具体数值，不能据此量化提升幅度。 复现时需核对 REFED 监督与时间结构的具体使用方式、协议条件化的实现、源人群折外残差的生成流程，以及冻结基线与残差模块的训练顺序。完整数据划分、目标被试信息的使用边界、指标聚合方式、消融及统计信息尚未验证。现有证据限于摘要所述跨被试情感回归任务，不能直接外推为其他 EEG 任务或跨数据集泛化效果。