可预测自发运动的神经活动时间进程

基于摘要分析。本研究考察自发运动前的早期缓慢爬升神经活动是否真正具有运动预测能力，而不只是运动发生前经常出现的现象。作者引入不以运动结束的匹配对照条件，利用 EEG 和多种机器学习分类器比较运动与非运动条件，以检验传统仅分析运动前片段的范式可能造成的预测性误判。 核心方法在于改变比较对象：不仅观察最终发生运动的时间片段，还纳入匹配的、随后没有运动的片段。这样可区分“运动前可靠出现的活动”与“能够区分即将运动和不运动的信号”。摘要未说明匹配变量、片段抽取方式、分类器名称、特征构造及训练与测试划分。 作者报告，在上述匹配对照的分类评估中，早期爬升活动虽然存在，但不能预测运动；分类 Accuracy 约在运动前 100 ms 才突然上升。摘要未提供具体 Accuracy 数值或机会水平。作者还报告，传统分析方式会重现早期活动具有预测性的假象。作者据此认为，行动的神经承诺发生在较晚阶段，并与有意识意图及运动抑制能力的时间进程相容；这一解释应与分类结果本身区分，不能仅据摘要视为对意识与行动因果关系的定论。 对 EEG 运动意图预测的直接方法学价值，是提醒评估必须覆盖无运动时段，而不能把运动前信号的稳定出现等同于可部署的预测能力。被试数量、任务细节、EEG 预处理、被试内或跨被试协议、误报率、时间分辨率及统计不确定性尚未验证；实验协议、消融及统计信息需查阅全文核对。摘要也不足以确定该结果能否推广至其他运动任务或在线 BCI 场景。