用于快速序列视觉呈现任务 EEG 分类的时空渐进式注意力模型

基于摘要分析。该研究针对快速序列视觉呈现（RSVP）任务中 EEG 的空间与时间依赖建模，提出时空渐进式注意力模型 STPAM，并构建以弱红外小目标图像为刺激的 Infrared RSVP EEG Dataset（IRED）。其核心贡献是依次通过空间专家和时间专家，将注意力逐步集中到重要电极及关键 EEG 时间片。 空间建模阶段包含三个不同的空间专家，渐进学习脑区的空间拓扑信息。摘要描述，前一个专家筛选相关脑区的 EEG 电极，并将筛选信息作为下一个专家的先验，使后续专家逐渐关注重要电极，以降低无关脑区的干扰。时间建模阶段以包含空间信息的特征序列为输入，通过三个时间专家逐步对关键 EEG 时间片分配注意力，捕捉时间依赖。摘要未说明专家的具体结构、筛选操作是否可微、先验的传递方式及训练损失，这些实现细节尚未验证。 数据方面，作者称首次构建基于弱红外小目标图像的 RSVP EEG 数据集 IRED；该“首次”表述尚未独立核验。作者报告在 IRED 的实验中，STPAM 优于所有参与比较的方法，但摘要未提供具体指标、数值、对照方法或数据划分，因此不能据此判断提升幅度，也不能确定结论适用于被试内、跨被试或跨会话评估。 复现与阅读重点是核对电极筛选和时间注意力的具体实现、两类渐进机制各自的消融结果，以及 IRED 的刺激设置、被试信息、类别分布和训练测试划分。实验协议、消融及统计信息尚未验证，数据与代码的可获取性亦需确认；现有材料不足以判断该方法对其他 RSVP 数据或其他 EEG 任务的泛化能力。