VEP Booster：用于视觉 EEG 生物标志物自动生成的闭环 AI 系统

基于摘要分析。该研究针对视觉 BCI 中 EEG 生物标志物受个体差异、响应衰减与背景振荡影响而不够稳定的问题，提出 Visual Evoked Potential Booster（VEP Booster），通过实时人类 EEG 反馈闭环优化刺激图像，以增强视觉诱发响应。 核心机制是将图像生成器纳入刺激—脑响应反馈回路，依据 EEG 反馈调整视觉图像。作者将其目标描述为使刺激更符合初级视觉皮层（V1）神经元的响应偏好，并有效针对对刺激最敏感的神经元。摘要并未说明如何从 EEG 构建反馈指标、如何更新图像生成器，以及是否直接验证了 V1 神经元层面的选择性，因此应将这一神经机制解释与可观测的 EEG 响应增强区分开来。相较于主要在信号采集后进行滤波或解码的思路，该框架的特点是主动调整刺激端。 作者报告，在五名人类被试的 SSVEP 视觉刺激协议中实现并验证了该系统，所有被试的 EEG 生物标志物可靠性与实用性均得到改善；SSVEP 响应的相对增幅最大为 105%、最小为 28%、平均为 76.5%。摘要未给出响应指标的具体定义、增幅对应的基线条件、数据划分或显著性检验细节，不能将这些响应增幅等同于 Accuracy 或 ITR 的提升，也不能据此确认跨被试或跨会话泛化。 复现时需核对刺激生成与更新规则、SSVEP 刺激参数、EEG 采集及预处理流程、闭环反馈延迟、个体校准开销，以及固定刺激对照和独立测试安排。五名被试的验证规模有限，长期稳定性、视觉疲劳及实际 BCI 解码收益尚未验证；实验协议、消融及统计信息仍需全文确认。摘要提出的临床与技术应用前景不构成临床有效性证据。