MSVTNet：用于 EEG 运动想象解码的多尺度视觉 Transformer 神经网络

基于摘要分析。该研究针对 EEG 运动想象（MI）解码中部分 Transformer 方法侧重全局时间信息、较少考虑不同频率间耦合特征的问题，提出端到端分类网络 MSVTNet，以多尺度 CNN 特征提取、Transformer 交互建模和辅助分支监督整合局部与全局信息。 核心机制是先通过 CNN 在不同滤波尺度提取局部时空特征，再沿特征维度拼接，形成局部多尺度时空特征 token；随后利用 Transformer 捕获跨尺度交互及全局时间相关性，获得用于分类的特征嵌入。辅助分支损失提供中间监督，作者将其用于促进 CNN 与 Transformer 的有效整合。摘要未说明滤波尺度的具体定义、token 的时间组织方式、辅助损失形式及权重，相关实现尚未验证。跨尺度交互是否确实刻画了跨频率耦合，也需结合全文中的机制分析与对照实验判断，不能仅由结构名称认定。 作者在 BCI competition IV 2a、2b 和 OpenBMI 三个 MI 数据集上开展被试依赖实验，分别包含会话依赖与会话独立设置，并开展被试独立实验。作者报告 MSVTNet 在所有分析中达到最先进性能，并据此主张其具有解码优势和鲁棒性；摘要未提供具体指标、数值、对照模型或划分细节，因此目前无法量化增益，也不能将不同评估协议的结果直接比较。 复现时应核对预处理与滤波配置、训练和测试划分、模型与训练设置，以及多尺度设计、Transformer 交互和辅助分支监督的独立贡献。实验协议、消融及统计信息尚未验证；代码与权重的可用性也尚未验证。