Cortical-SSM：用于 EEG 与 ECoG 运动想象解码的深度状态空间模型

基于摘要分析。该研究面向 EEG 与 ECoG 运动想象（MI）分类，提出 Cortical-SSM，通过扩展深度状态空间模型联合捕获时间、空间与频率维度的依赖关系。研究动机是神经信号易受眨眼、吞咽等生理伪迹干扰，以及作者认为现有 Transformer 方法对细粒度依赖的建模仍有局限。 核心机制与创新：摘要明确的贡献是将深度状态空间模型用于时空频依赖建模，但未提供具体状态更新方式、各维度的组织与融合机制、损失函数或训练和推理流程。因此，目前不能判断性能增益主要来自状态空间建模、频率表示还是其他设计，也不能据此认定模型具备经过验证的伪迹鲁棒性。 数据与结果：作者报告在三个基准上验证方法，包括两个大型公开 MI EEG 数据集，摘要称其包含超过 50 名被试，但人数统计范围尚待核对；另一个基准为来自一名肌萎缩侧索硬化症患者的临床 MI ECoG 数据集。作者报告 Cortical-SSM 在三个基准上均优于基线，但摘要未列出数据集名称、具体基线、指标及提升幅度，也未明确属于被试内、跨被试或跨会话评估，不能据此比较不同协议下的效果。 解释与验证边界：作者报告模型的可视化解释能够识别 EEG 与 ECoG 中具有神经生理相关性的区域；解释生成方法、区域相关性的验证依据及稳定性尚未验证。单例患者数据提供了临床信号上的方法验证线索，但不能外推为广泛患者群体的有效性或康复获益。 复现需核对数据划分、预处理与伪迹处理、模型配置、基线匹配、消融及统计信息。摘要提供了项目页面，但代码、权重和数据访问条件尚未验证。