基于脉冲图卷积网络的 EEG 听觉注意检测

基于摘要分析。该研究面向 EEG 听觉注意检测（AAD），旨在改善多通道 EEG 空间信息的表征，以支持机器鸡尾酒会问题的解决。作者提出脉冲图卷积网络（SGCN），利用通道间关系捕获空间特征，并将其描述为具有生物学合理性的表征方法。 核心机制是将多通道 EEG 的空间交互纳入特征提取，而非仅关注单个通道。作者认为，不同脑区活动的集体动态及通道间复杂交互包含区分脑活动的特征。摘要明确了脉冲计算与图卷积的结合方向，但图的构建方式、节点与边的定义、脉冲编码、训练方法及损失形式尚未验证，不能据此确定具体网络结构。 作者报告，在两个公开数据集上开展实验，SGCN 在低延迟和低密度 EEG 设置下取得具有竞争力的 AAD 表现。摘要未提供数据集名称、被试数、被试内或跨被试划分、延迟窗口、通道数量、对照基线及具体指标，因此尚不能量化其优势或与其他协议下的结果直接比较。实验协议、消融及统计信息尚未验证。 作者还将低功耗作为该方法的特点，并提出其在智能助听器及其他 BCI 中的应用潜力；这不等同于已完成设备部署或临床验证。复现时需核对数据预处理、图结构与脉冲编码实现、评估划分，以及功耗结论对应的硬件、测量方式或估算条件，才能判断准确性、延迟、通道密度与能耗之间的实际权衡。代码可用性尚未验证。