GNN4EEG：基于图神经网络的 EEG 分类基准与工具包

基于摘要分析。该研究针对 EEG 分类中脑拓扑信息利用不足的问题，提出 GNN4EEG 基准与工具包，以支持基于图神经网络（GNN）的 EEG 建模和评估。主要贡献是整合多任务基准、已有模型实现及实验协议，而非在摘要中提出一种新的分类模型。 其方法背景是将各 EEG 通道提取的特征组织为图结构，通过 GNN 利用通道间的拓扑关系。摘要未说明工具包具体支持哪些节点特征、图连接方式或图结构学习机制，这些实现细节尚未验证；也不能仅凭通道图建模认定模型恢复了真实脑功能连接。 作者报告，基准覆盖四项 EEG 分类任务，使用来自 123 名参与者的 EEG 数据；工具包提供 DGCNN、RGNN 等 GNN-based EEG 分类模型的实现，并包含数据划分、交叉验证等实验设置与评估协议。摘要未列出具体任务名称、数据集来源、各任务参与者分布，也未说明被试内、跨被试或跨会话等评估条件，因而不能据此比较不同模型的泛化能力。 作者报告工具包已公开发布。复现时需进一步核对预处理、通道与特征定义、图构建、模型配置，以及划分和交叉验证的具体执行方式。摘要未提供性能指标或对照结果，当前无法判断模型间性能差异及其统计可靠性；实验协议、消融及统计信息尚未验证。