用于预测声音诱发的跨听觉通路连续人类 EEG 的深度神经网络

基于摘要分析。该研究针对听觉生理计算模型通常局限于特定响应或听觉通路阶段的问题，提出一个将双耳声学波形直接映射为高采样率连续 EEG 的因果神经网络。作者将其定位为人类听觉电生理基础模型，主要贡献是用单一模型整合不同实验范式与神经时间尺度的声音诱发响应，而非从 EEG 解码意图或声音。 模型训练使用约 250 小时、来自 92 名被试的 EEG，涵盖不同电极配置，以及短音、语音和音乐刺激。摘要未给出具体采样率、网络结构、损失函数、电极配置的输入与适配方式，也未说明训练与测试是否按被试、刺激或实验范式隔离；其跨被试、跨配置与跨范式泛化范围尚待全文核对。 评估涉及刺激速率、频率及呈现方式对听觉脑干响应（ABR）的影响，连续语音对应的皮层下与皮层时间响应函数（TRF），以及点击声诱发的双耳交互成分（BIC）。作者报告，预测 ABR 与 TRF 再现了已知响应形态及刺激依赖效应，模型总体平均响应的相关性落在相应人类被试级分布内；模型预测的 BIC 指标也接近文献报告值。摘要未提供具体相关系数、误差或统计检验，平均响应层面的吻合亦不能直接等同于单被试连续 EEG 预测准确。 其直接研究价值在于检验跨听觉通路的统一声音到 EEG 建模，并为计算机内实验及听觉技术提供候选工具；这些未来用途仍需验证。复现时需核对数据划分、基线、因果推理实现、响应提取及平均方式。实验协议、消融及统计信息尚未验证，代码、权重与数据开放情况亦未由摘要确认。该工作已直接研究 EEG，但不能据此认定其适用于运动想象等 BCI 任务。