WaveAnchor-Agent：从波形检测到交互式 EEG 分析

基于摘要分析。本文研究细粒度 EEG 解读中波形事件的定位及其时空关系解释，提出 WaveAnchor-Agent（WA-Agent），将波形检测与工具支持的自然语言交互结合，并配套构建按评分准则评估描述和对话的基准。其主要对象是 EEG 波形解释，而非直接评估 BCI 控制或任务解码性能。 方法方面，作者构建了覆盖九类波形的医生标注数据集，训练多尺度时间检测器，按通道和时间定位事件。planner-responder 架构连接波形检测、确定性测量与可视化工具，为自然语言回答提供显式的信号级证据。摘要未给出具体波形类别、检测器结构、训练损失、语言模型配置及工具调用细节，相关实现尚未验证。 评估方面，基准覆盖波形检测、选择、描述、多轮对话和可视化；其中描述与对话任务采用 1,550 条经人工审查的原子化评分准则，旨在评估超越词汇相似度的事实内容。作者报告，在其基准测试集上，检测器在 temporal IoU 为 0.5 时取得 45.22% mAP；WA-Agent 的选择任务 Accuracy 为 93.71%，描述与对话任务由 LLM 判定的部分得分制评分准则得分分别为 68.73% 和 55.52%。这些分数对应不同任务与评分方式，不能直接互换，也不能据此认定已达到临床解读水平。 阅读与复现时需核对数据规模、被试及记录来源、训练测试划分、是否涉及跨被试或跨会话评估，以及检测误差如何传递到生成回答。还需核对原子化评分准则的覆盖范围、LLM 评分与专家判断的一致性、对照基线及模块消融。上述实验协议、消融及统计信息尚未验证；代码、数据与评分准则是否公开也尚未验证。该工作提供了将生成解释锚定到局部 EEG 证据的研究路径，但摘要不足以判断其跨数据集泛化能力或实际使用中的可靠性。