DrowzEE-G-Mamba：利用 EEG 与状态空间模型检测驾驶员困倦

基于摘要分析。该研究针对驾驶员清醒与困倦状态的检测，提出 DrowzEE-G-Mamba，将 EEG 与状态空间模型（SSMs）结合，以建模驾驶员状态变化。其主要研究对象是基于 EEG 的驾驶员困倦检测，不能据此视为已验证通用 BCI 任务效果。 机制方面，摘要描述了 channel-split、channel-concatenation 和 channel-shuffle 操作，用于组织 EEG 通道信息并优化信息流；同时结合卷积层与 SSMs，分别捕捉局部特征和长程依赖。具体的通道划分方式、操作顺序、SSM 实现、输入表征、损失函数及训练设置尚未验证，不能仅由模型名称推断架构细节。 结果方面，作者报告在 SEED-VIG 数据集上取得峰值 Accuracy 83.24%，并称相较现有方法检测表现提升、误报减少。但摘要未提供该数值对应的被试内或跨被试协议、数据划分、对照方法、误报指标及统计检验，因此尚不能判断改进幅度或与其他结果直接比较。作者还报告模型在不同复杂度下保持较高准确率，并提出其适合资源受限的实时应用；参数量、计算量、硬件条件和推理延迟尚未验证。 复现时应优先核对 EEG 预处理、困倦标签定义、窗口划分、被试与会话隔离，以及通道操作、卷积和 SSM 各自的消融贡献。实验协议、消融及统计信息尚未验证。作者将该工作进一步联系到 SSM-based BCI 算法开发，但摘要没有提供其他 BCI 任务的验证结果。