交叉验证方案对基于 EEG 的深度神经网络听觉注意检测的影响

基于摘要分析。该研究考察基于 EEG 的听觉注意解码（Auditory Attention Decoding，AAD）中，不同交叉验证划分如何影响深度神经网络的性能。其主要贡献是分析训练期间试次特定信息的影响，采用试次独立划分评估对不同场景的适应能力，并引入因果时间序列划分模拟在线解码。 研究使用三个公开 EEG 数据集，但摘要未提供数据集名称、被试数量、具体分类任务、网络结构或训练配置。试次独立划分与因果时间序列划分分别涉及试次隔离和时间顺序约束；其具体实现、训练与测试边界，以及是否包含被试内、跨被试或跨会话评估，均尚未验证。不能将试次独立直接等同于跨被试泛化，也不能仅凭摘要判断其他划分存在信息泄漏。 作者报告，在引入因果时间序列划分并模拟在线解码的评估中，听觉注意分类性能出现一致提升；摘要未给出指标名称、数值、对照划分的具体配置或统计不确定性，因此尚不能判断提升幅度及其来源。作者据此强调面向特定个体的实用 AAD 应用潜力，并指出多样化评估方法对检验泛化能力的重要性；这不等同于已验证临床辅助效果或真实在线部署效果。 阅读全文时宜重点核对试次特定信息的定义、各划分的数据隔离方式、因果时间序列评估的训练与推理流程，以及在线模拟与实际使用条件的差异。实验协议、消融及统计信息尚未验证，代码与复现配置也无法从现有摘要确认。