使用共享空间图网络在不同 EEG 通道布局下进行通用心理工作负荷测量

基于摘要分析。该研究针对被动 BCI 中不同 EEG 电极布局与个体差异妨碍心理工作负荷识别器通用化的问题，提出共享空间图网络 SSMN，将不同个体和电极布局的 EEG 表征抽象为共享空间特征，并用于工作负荷等级分类与空间贡献解释。 核心机制包括三个模块：共享图编码器 SME 生成在头皮空间位置上保持一致的 EEG 特征图；实例增强编码器 IAE 用于增加样本量，并按作者描述过滤个体特异成分；工作负荷识别委员会 WRC 结合浅层与深层卷积神经网络 ConvNets，以适应不同工作负荷测量场景。其方法特点是把电极布局对齐、个体差异处理与多架构分类组合起来，而不只是针对单一通道配置训练识别器。摘要未说明空间映射方式、增强机制、损失函数及委员会融合策略，这些实现细节尚未验证。 作者报告，在三个数据库上结合两类特征和四种验证方式进行评估，工作负荷分类 Accuracy 与当时的先进模型相当；共享特征图还能解释不同皮层区域对工作负荷变化的贡献。摘要没有提供数据库名称、被试数、特征类型、具体 Accuracy 或对照模型，也未明确四种验证方式是否分别对应被试内、跨被试或跨数据库协议，因此不能据此确认其跨个体、跨数据库泛化效果，或直接比较不同协议下的性能。 复现时需核对不同通道布局如何映射到共享头皮空间、IAE 如何增加样本并处理个体成分，以及 WRC 的训练与融合流程；还需确认数据划分、预处理与各基线的通道条件。空间图的可视化贡献不等同于已验证的皮层来源定位或因果解释，其解释依据也应结合全文核查。实验协议、消融及统计信息尚未验证。