利用卷积神经网络与脑信号识别想象言语词汇的语法类别

基于摘要分析。本研究探讨能否利用 EEG 区分西班牙语想象言语词汇的两类语法类别：决策副词（decision adverbs）与名词。作者对时域信号进行统计检验，定位两类词汇在想象过程中产生差异的空间位置与时间区间，再使用 EEGNet 卷积神经网络评估分类表现。 数据来自 10 名健康参与者的 32 通道 EEG。研究根据统计检验结果比较了三种数据时间窗，但摘要仅给出其中两种窗口的长度与结果。作者报告，在两类语法类别分类任务中，较长窗口 W1（700 ms）的 Accuracy 为 60.1%，较短窗口 W3（200 ms）的 Accuracy 为 69.5%。摘要未说明这些结果采用被试内还是跨被试评估，也未提供训练与测试划分，因此不能据此判断跨被试泛化能力；窗口间的差异也不能直接解释为短窗口具有普遍优势。 该工作的可核对价值在于将语法类别相关的 EEG 时空差异分析与分类时间窗选择联系起来，而非直接识别完整词汇或句子。统计检验的具体形式、多重比较处理、时间窗选择与评估数据之间的关系，以及 EEGNet 的训练配置、对照基线、消融和统计信息尚未验证。 作者将该研究定位为面向肌萎缩侧索硬化症（ALS）患者脑机接口的想象言语解码初步探索，但摘要所述参与者均为健康人，尚不能据此确认患者中的解码效果或临床可用性。复现前需取得词汇与任务设计、预处理流程、时间窗定义及完整评估协议；数据与代码的可用性尚未验证。