用于脑机接口跨会话迁移的置信度门控源选择策略

基于摘要分析。本研究针对运动想象（MI）BCI 在多日使用中的 EEG 跨会话变异，研究同一被试存在多个历史会话时，如何选择源会话并将其用于目标会话迁移。作者提出置信度门控的选择性迁移流程，主要贡献是将源会话筛选与后续整合方式一并比较，而非仅考察是否保留相近会话。 方法上，Minimum-Distance Multi-Source Pipeline（MMP）仅使用与目标接近的源会话；Bridge Domain Pipeline（BDP）同时利用近距离和远距离源会话，旨在提高稳健性。对照包括均匀池化（MAP）和距离加权池化（DWP）。摘要未说明置信度门控的具体计算、会话距离定义及桥接域构造方式，这些机制仍需正文核对。 作者报告，在两个公开 MI EEG 数据集上，采用匹配的特征提取、分类和域适应算法配置进行比较后，不同评价终点得到不同结论：MAP 的最高配置 Accuracy 最好，DWP 的跨配置平均 Accuracy 最高；在主数据集的数据驱动配置选择条件下，MAP、DWP 与 BDP 属于表现最好的流程，三者间无统计显著差异。摘要另列的 MMP mta 在固定配置下表现相近，但在数据驱动配置选择下较弱，其具体变体定义尚未验证。 作者报告，BDP 的 Accuracy 位于表现最好的方法之列，同时相较全量池化显著减少运行时间及所需源会话数，但摘要未给出具体数值。结果提示，跨会话选择性迁移不仅取决于选哪些会话，还取决于保留会话如何被下游整合；无显著差异不应直接解读为方法等效。 数据集名称、被试与会话规模、目标会话可用数据及标签条件、配置选择与测试划分、统计检验、消融和计算计时协议尚未验证。摘要提及纵向康复与辅助 BCI 的应用意义，但未提供临床部署验证证据。