EEG 解码何时能在电磁干扰下保持有效？

基于摘要分析。研究针对 EEG 解码器从电磁环境较干净的实验室部署到医院、驾驶舱或可穿戴场景时的干扰分布偏移，提出 Interference--Neural Confusion benchmark，以及紧凑的感知—门控—校准前端。核心问题是：当电磁干扰与神经活动频带重叠时，频谱抑制能否去除干扰而保留解码所需的任务信息。 方法在固定的短时傅里叶表示中定位受干扰占据的频率，抑制相应频率单元，并在干扰感知不可靠时暂不输出预测。基准包含四类具有物理依据的干扰，具体构造尚未验证。作者给出的理论条件是：对于固定掩码，若干扰的变换域支撑完全被掩码覆盖，输出不受该干扰影响；残余泄漏则由算子范数界刻画。这一保证依赖掩码覆盖条件，并不意味着所有实际干扰均可被检测或消除。 作者报告，在 STEW 的被试互斥、跨被试实验中，−10 dB 窄带干扰使平均 Accuracy 从 0.858 降至 0.504，门控后恢复至 0.747，且每位留出被试均有收益。在 BCI Competition IV 2a 的左手与右手运动想象任务上，作者报告 Accuracy 仍为 0.556；频带消融提示门控同时删除了任务相关信息，该任务的具体数据划分尚未验证。作者还报告，STEW 上的预测集合覆盖率在门控后从 0.478 升至 0.854，干净条件为 0.915；覆盖率不等同于 Accuracy，其目标水平与校准协议尚未验证。 结果提示该前端的有效性取决于干扰可检测性及任务相关节律能否保留。作者报告宽带扫频干扰仍大多未被检测，因此不能将窄带干扰下的恢复推广到所有电磁环境。复现需核对干扰强度定义、时频变换与掩码参数、感知及拒绝预测规则、校准方式、解码器与对照设置，以及拒绝预测对有效样本范围的影响；完整实验协议、消融及统计信息尚未验证。