用于隐蔽言语 EEG 变异性分析与分类的功能连接及基于 Hilbert 变换的特征

基于摘要分析。该研究针对隐蔽言语想象 EEG 的试次间、类别间和被试间变异性，结合功能连接分析与基于 Hilbert 变换的特征分类，探索不同言语指令的神经活动模式及被试独立解码。 在分析层面，作者使用 Phase Locking Value（相位锁定值）和 Coherence（相干性）两种功能连接指标。作者报告，不同言语指令呈现既独特又共享的活动模式，并将其与个体对词语的感知及情感状态联系起来；摘要未提供这些关联的测量方式、统计检验或因果证据，因此尚不能据此确认情感状态对 EEG 模式的影响机制。 在分类层面，作者提取不同 EEG 频段的 Hilbert 包络与瞬时相位特征，采用 Bidirectional Long Short-Term Memory（BiLSTM）架构构建被试独立分类模型。作者报告，在被试独立的五种言语类别分类中，Accuracy 为 59.14%。摘要未说明被试划分、类别分布、数据规模及对照基线，不能据此与其他协议下的成绩直接比较。作者将结果称为 state-of-the-art，但其比较范围与依据尚未验证。 该工作的具体阅读价值在于同时考察言语想象 EEG 的功能连接变异与包络、相位特征的分类用途。功能连接指标是否进入分类模型、各频段如何组合，以及模型是否主要利用跨被试共享信息，均需全文核对。复现还需确认数据集与被试数量、预处理、频段定义、特征提取流程、训练与测试划分，以及代码和数据可用性；实验协议、消融及统计信息尚未验证。