NeuroX-EEG：面向零样本 EEG 超分辨率的头皮场补全

基于摘要分析。该研究针对 EEG 超分辨率方法通常反复监督固定目标通道、因而难以判断能否泛化至未见电极位置的问题，提出 NeuroX-EEG：通过头皮空间场补全，重建同时被排除在条件输入与训练监督之外的电极位置。 核心机制是将 EEG 映射到二维头皮网格并进行基于扩散的补全，利用卷积捕捉体积传导所带来的局部空间平滑性，同时引入预训练 EEG 基础模型表征，提供更广泛的时间、频谱及跨通道结构。摘要未说明基础模型名称、网格映射方式、表征融合机制、损失函数或训练与推理配置，相关实现尚未验证。 其零样本协议是在同一批记录内留出电极位置，而非跨数据集零样本迁移，因此不能将结果直接解释为跨被试、跨会话或跨数据集泛化证据。作者报告，在三个数据集、涵盖 62 通道与 19 通道电极布局及多种观测密度的评估中，NeuroX-EEG 在七个“数据集–尺度”设置中的六个取得所评方法中最低的 NMSE。区域留出评估中，颞区与顶区带状留出的收益最明显；在所评协议下，重建信号的平均下游 BCI 解码表现高于低密度输入。摘要未提供具体 NMSE、解码指标及数值，不能量化收益或据此认定优于原始高密度 EEG。 复现时需核对数据集名称、被试与记录划分、留出电极是否在全部训练环节中隔离、基础模型预训练数据与评估数据的关系，以及对照方法、区域留出设置和下游解码流程。上述内容属于待核对事项，并非已发现的实验问题；完整实验协议、消融及统计信息尚未验证。