快速序列视觉呈现多类目标 EEG 分类的初步研究

基于摘要分析。该研究面向 RSVP-BCI 图像检索，探索将单试次 EEG 的目标／非目标二分类扩展为“非目标、第一类目标、第二类目标”三分类的可行性。研究结合行为分析、ERP 分析及所提出的 MDCNet，考察目标类别和任务难度对 EEG 响应及分类的影响。 实验与方法：作者设计了两个实验，每个实验包含两个难度不同的任务，招募共 30 名被试采集 EEG，并称已公开数据。摘要未说明各实验的被试分配、图像类别、刺激呈现参数、目标比例及数据划分。MDCNet 用于 EEG 分类，但其结构、损失函数、训练与推理流程尚未验证。 主要结果：在上述实验背景下，作者报告非目标与两类目标的 RSVP-EEG 三分类具有可行性；同一任务中的不同目标诱发的 P300 潜伏期相同、幅度不同，且 EEG 分类中的目标命中率与其 P300 幅度呈正相关。作者还报告时间维度信息对分类具有重要作用，任务越难，P300 潜伏期越长。摘要未提供 Accuracy、F1、ITR 等量化结果，因此不能据此判断三分类相较二分类的性能或信息传输率增益。 证据边界与复现条件：该工作为多类目标 RSVP 的神经响应差异及分类可行性提供了初步实验依据，但尚不能由摘要判断 MDCNet 相对其他方法的优势或跨被试、跨会话泛化能力。复现前需核对数据访问方式、预处理、类别不平衡、训练测试划分、对照基线，以及任务难度与刺激差异的控制；实验协议、消融及统计信息尚未验证。