跳到正文

算法、任务与模态

EEG 最新动态

EEG 研究索引；按可核对的标签归档，不以热度评价质量。

1,276 条精选近 30 天 221 条共收录 2,851 条

更新

精选归档 · 第 62 页

1月1日周二第 1221–1240 条
  1. OpenReview · EEG78

    使用有限元方法对创伤性脑损伤进行高分辨率 EEG 正向建模

    基于摘要分析。该研究针对创伤性脑损伤（TBI）患者结构改变及组织电导率变化可能降低 EEG 源定位准确性的问题，使用包含 25 种组织类型的真实头部有限元方法（FEM）模型，量化病理建模对 EEG 正向矩阵的影响。 技术机制：EEG 正向模型描述脑内电活动如何经不同组织传导并形成头皮电位，是源定位的重要基础。本文重点考察解剖模型是否纳入 TBI 病理及其相关电导率变化，而非提出 EEG 分类或 BCI 解码算法。忽略这些变化可能使正向矩阵失准，进而影响后续源定位。 结果：作者报告，在其 FEM 头部模型的比较条件下，忽略 TBI 相关电导率变化时，EEG 导联场的局灶性（lead field focality）最多可被低估约 90%。该数值描述的是导联场局灶性偏差，并非源定位准确率下降 90%，也不能据此推算定位距离误差。作者称其首次严格量化了 TBI 病理对 EEG 正向计算的影响；这一优先性主张尚未独立核实。 验证边界：摘要未提供模型对应的被试数量、病灶类型与范围、电导率赋值、网格设置、局灶性指标定义或真实 EEG 验证细节，实验协议、消融及统计信息尚未验证。复现时需核对组织与病灶分割、电导率参数、FEM 求解设置及比较条件。本文的直接价值在于病理条件下的 EEG 正向建模与源定位误差评估，现有材料不足以判断其对 BCI 解码性能的实际影响。

    阅读价值：该研究量化了 TBI 病理相关组织电导率变化对 EEG 正向模型的影响，值得用于核对病理脑结构下源定位模型的适用性，但摘要中的导联场误差不能直接等同于实际源定位误差。

  2. OpenReview · EEG80

    新生儿 EEG 半球间同步性的新型稳健度量：激活同步指数（ASI）的开发

    基于摘要分析。研究针对新生儿 EEG 在安静睡眠或爆发抑制状态下，两侧半球活动段时间共现的量化问题，提出激活同步指数（Activation Synchrony Index，ASI），以减少传统视觉判读标准的歧义。其主要对象是新生儿 EEG 背景活动评估，而非 BCI 任务解码。 机制上，ASI 对经高频预加重和宽带滤波处理的信号提取并量化幅度包络，通过检验两个包络之间的统计独立性构建同步性度量。这里的同步性指活动段的时间共现，不宜直接等同于相位同步或一般功能连接。核心参数先在较小 EEG 数据集上确定，再在具有视觉不同步分级的验证材料中测试；统计检验形式、量化规则、滤波参数和指数计算公式尚未验证。 验证数据包含 33 名足月儿和 25 名早产儿的 EEG 记录，覆盖不同程度的不同步。作者报告，在该视觉分级数据集中，ASI 能在个体层面区分所有正常同步记录与中度或重度不同步记录，且与视觉评估的不同步等级显著相关（p < 0.001）。该结果并非标准分类 Accuracy，摘要未提供相关系数、判别阈值或独立测试划分的细节。 作者还报告，ASI 在持续数小时的记录中保持稳定，但会随睡眠阶段变化，并在早产儿中与年龄相关；与另外三种候选方法比较时具有显著优势。在向信号中加入来自噪声记录的真实 EEG 伪迹后，作者报告 ASI 仍表现出较强抗干扰能力。比较方法名称、效应量、伪迹类型及加入强度、实验协议、消融及统计信息尚未验证。 作者将 ASI 作为潜在的新生儿早期功能生物标志物和自动背景活动分类的候选工具，并提出其可能适用于肌肉活动或运动等其他生物信号；这些应用前景不等于已完成临床效用验证。复现时需核对参数确定集与验证集的关系、视觉分级流程，以及睡眠阶段和年龄对阈值解释的影响。摘要未提供 BCI 解码或跨被试泛化证据，不据此推断相关效果。

    阅读价值：值得关注 ASI 如何以幅度包络的统计依赖量化新生儿 EEG 活动段的时间共现，以及其与视觉分级的一致性和真实伪迹扰动下的稳健性；具体实现与验证协议仍需全文核对。

  3. OpenReview · EEG71

    EEG 眼动伪迹去除：面向便携式应用的 DWT 与 ANC 结合改进方法

    基于摘要分析。该研究针对便携式单通道 EEG 中的眼动伪迹（OA）去除问题，提出结合离散小波变换（DWT）与自适应噪声抵消（ANC）的方法。核心贡献是利用 EEG 的三个最低频小波系数构造 OA 参考信号，再结合 ANC 去除伪迹，以适应可穿戴设备对传感器数量的限制。 机制上，参考信号由待处理 EEG 自身的小波系数构造，而非依赖多通道分解。摘要未说明小波基、分解层级、系数选择与重构细节，以及 ANC 的滤波器结构和更新规则，这些实现条件尚未验证。 评估使用模拟数据与实测数据，对照包括基于平稳小波变换的方法，以及作者此前基于小波包变换和独立成分分析的方法。作者报告，在这些评估条件下，新方法对真实 EEG 信号的恢复与跟踪性能有所改善；摘要未提供具体指标、数值、样本规模或统计结果。作者还将方法应用于 EUFP 7 的 OPTIMI 项目记录数据，报告其能够有效去除 OA，并满足该项目所代表的便携式患者监测系统需求。这不等同于已经验证 BCI 解码收益。 复现时应重点核对低频参考信号是否包含真实脑活动，以及去伪迹过程是否会削弱目标神经成分，同时检查不同伪迹强度下的稳定性。实验协议、消融及统计信息尚未验证；摘要亦未提供代码可用性。平台推测（待验证）：该机制可能适用于单通道便携式 EEG 预处理，但对具体 BCI 任务的有效性仍需通过信号保真度与下游任务表现独立评估。

    阅读价值：该研究值得阅读的具体原因是利用单通道 EEG 的低频小波系数构造眼动伪迹参考信号并结合 ANC，为便携式 EEG 去伪迹提供可核对的机制路径，但信号保真度与适用边界仍需全文验证。

  4. OpenReview · EEG74

    用于 EEG 信号分类的可分离共同空间—频谱模式算法

    基于摘要分析。本文研究运动想象 BCI 中的判别性空间—频谱 EEG 特征提取，提出一种可分离共同空间—频谱模式算法，将传统 common spatial patterns（CSP）的方差判别原则扩展到空间与频谱的联合处理。 核心机制是在异方差二分类设定下，提取对一类脑任务具有较大方差、对另一类任务具有较小方差的空间—频谱特征。与仅侧重空间模式的传统 CSP 相比，其研究贡献在于联合利用空间与频谱信息；作者将其定位为 CSP 的空间—频谱推广。标题中的“可分离”具体对应何种数学分解、优化约束与求解过程，摘要尚未提供，不能据此补写算法结构。 作者以 filter-bank CSP（FBCSP）为主要对照，报告该方法在原始 EEG 与预处理 EEG 两种数据条件下均取得更好的分类表现，并称联合处理能够降低计算成本。摘要未给出具体分类指标、改善幅度或计算成本测量方式，因此这些优势目前只能作为作者报告的结论，不能量化或跨协议比较。 此外，作者提出一种用于排列所提取空间—频谱特征判别力的简单度量，并称 FBCSP 不具备这一能力。该度量的定义、排序如何用于特征选择，以及其与分类性能的关系，均需核对全文。 复现时应重点核对空间—频谱表示与可分离求解方式、特征排序指标、预处理流程，以及 FBCSP 对照的频带配置与调参条件。摘要未披露数据集、被试数、被试内或跨被试划分、分类器及统计检验；实验协议、消融及统计信息尚未验证，代码可用性也尚未验证。

    阅读价值：值得阅读的是其将 CSP 的类别方差判别扩展到联合空间—频谱特征，并提供特征判别力排序指标；相对 FBCSP 的性能与计算成本优势仍需结合全文实验协议核对。

  5. OpenReview · EEG72

    ICU 爆发抑制 EEG 记录中脑代谢状态的实时分割与跟踪

    基于摘要分析。该研究针对神经重症监护室（ICU）EEG 中的爆发抑制现象，提出基于降阶模型的脑代谢状态估计方法，主要贡献是将爆发抑制的电生理特征与脑代谢率建立模型层面的直接联系。研究对象是重症监护中的脑状态监测，而非 BCI 指令解码。 核心机制方面，模型由既有的爆发抑制生物物理机制推导而来。作者报告，该模型能够描述重要的电生理特征，并提供与脑代谢率的直接联系；研究使用神经重症监护室采集的爆发抑制 EEG 记录设计并拟合估计方法，再在真实数据与合成数据上测试。摘要未说明代谢状态的具体变量、分割规则、参数估计过程或跟踪算法，因此尚不能判断如何由观测 EEG 得到代谢状态，以及估计结果是否经过独立代谢测量验证。 标题强调实时分割与跟踪，但摘要未提供估计误差、分割指标、处理延迟或对照基线，也未交代患者数量、记录规模、数据划分及真实与合成数据的测试协议。实验协议、消融及统计信息尚未验证。阅读全文时，应重点核对模型假设的适用条件、EEG 特征与代谢参数的可辨识性、拟合与测试数据的关系，以及实时计算性能。该工作可作为 EEG 生理状态建模的方法参考，但材料不足以支持其临床有效性或 BCI 应用效果。

    阅读价值：值得阅读其如何用爆发抑制的降阶生物物理模型连接 EEG 与脑代谢率，并在真实及合成数据上检验状态估计方法；具体估计精度与实时性能尚未验证。

12月31日周一
  1. OpenReview · EEG73

    无精确事件时间锁定的 EEG 记录分类

    基于摘要分析。该研究针对刺激呈现时刻与 EEG 波形无法精确时间锁定的分类问题，提出先利用具有时序信息的 EEG 数据刻画目标事件的脑响应模式，再在待分类记录中搜索可能的响应位置并汇总事件概率的方法。其贡献在于降低分类阶段对精确刺激时刻的依赖，而不是完全免除建立响应模式时对时序信息的需求。 核心机制分为三步：首先从已知时序的 EEG 数据中刻画目标事件响应模式；随后以滑动窗口遍历 EEG 记录，检测从各个候选位置开始的目标图像响应；最后汇总不同位置的检测信息，估计整个 EEG epoch 内出现目标图像事件的概率。摘要未说明响应模式的具体表示、分类器、窗口长度与步长，以及位置概率的汇总形式，相关实现尚未验证。 作者报告，在长度为 5 s 的 EEG epoch 分类中，该方法获得中位数 ROC 曲线下面积（AUC）0.96，并称其结果与使用精确刺激时刻信息的方法相当。摘要未给出该中位数的统计单元、被试数、数据集、数据划分、被试内或跨被试协议，以及对照方法的具体设置，因此不能据此推断跨被试泛化或在线 BCI 性能。 该方法直接涉及 EEG 事件分类中的时间不确定性，尤其关注刺激时刻不可用及响应潜伏期变化带来的定位困难。复现时需核对响应模式构建数据与评估数据的划分、潜伏期变化范围、记录中目标事件的设置，以及滑动搜索和概率汇总的实现。实验协议、消融及统计信息尚未验证。

    阅读价值：值得阅读的具体原因是其将已知时序下学习的目标事件响应模式与滑动窗口位置汇总结合，为刺激时刻不精确的 EEG 分类提供了可核对的方法路径，但其适用范围与复现条件尚待全文验证。

  2. OpenReview · EEG70

    通过传递熵展开识别复杂系统中的信息子图

    基于摘要分析。该研究面向复杂系统中的多变量信息关系，提出传递熵（transfer entropy）的形式展开，用于识别为指定目标未来状态提供信息的不可约变量集合。其主要贡献是将分析对象从单个变量扩展到变量组合，并依据展开贡献的符号刻画协同或冗余的信息性质。 机制上，作者将具有较高贡献值的变量组合与系统中的信息回路联系起来，尝试由这些组合识别信息子图。“不可约”强调的是变量集合整体的信息贡献，不能仅以孤立变量的作用概括；但摘要未提供展开公式、估计方法、贡献值的判定标准，以及正负符号与协同或冗余之间的具体对应关系，这些细节尚未验证。信息关系也不应直接等同于已确认的生理连接或因果机制。 作者报告在 fMRI 与 EEG 数据集上进行了初步分析，但摘要未披露数据集名称、被试数、任务、预处理、评估协议、对照基线或定量指标，因此目前只能确认该方法已被用于这些数据类型，不能据此判断其在 BCI 解码、跨被试泛化或神经连接识别中的有效性。 进一步阅读应核对高阶信息贡献的估计稳定性、变量组合搜索的计算成本，以及结果对样本量与估计参数的敏感性。实验协议、消融及统计信息尚未验证；复现所需的数据、实现与参数条件也需从全文确认。

    阅读价值：值得阅读的具体原因是其通过传递熵的形式展开识别对目标未来状态具有不可约信息贡献的变量集合，并区分协同与冗余信息，有助于考察多变量信息关系；摘要中的 fMRI 与 EEG 结果仍属初步证据。

  3. OpenReview · EEG73

    基于模拟 EEG 信号的连接度量实验比较

    基于摘要分析。研究关注不同理论背景的连接度量能否区分直接因果连接与非因果关系，以及信噪比（SNR）和降采样如何影响其表现。作者使用基于真实静息闭眼 EEG 源信号构建的八节点仿真数据，对六种常规及有向连接度量进行比较。 比较方法包括 cross-correlation、coherence、phase slope index（PSI）、directed transfer function（DTF）、partial-directed coherence（PDC）和 transfer entropy（TE），涉及信息论、参数化建模和相位相关等理论路线。研究的主要价值在于利用仿真连接真值评估连接识别能力，并考察信号质量与采样处理对结果的影响，而非提出新的连接估计算法。 在上述静息闭眼 EEG 驱动的八节点仿真条件下，作者报告所有度量均能区分直接因果交互与非因果关系；PDC 检出的非因果连接少于其他方法；DTF 和 PDC 对低 SNR 的耐受性更好。作者同时报告，降采样对 TE、DTF 和 PDC 的结果影响最大，并据此认为参数化建模方法 DTF、PDC 在该仿真设置中具有较高的连接敏感性与噪声耐受性，但使用时需谨慎考虑降采样。 摘要未提供具体性能数值、SNR 范围、降采样倍率、仿真连接生成规则及判定阈值，实验协议、消融及统计信息尚未验证。复现时需核对这些条件，以及参数化模型的拟合设置和各度量的估计流程。该结论限定于所述仿真环境；真实 EEG 中的连接解释及其对 BCI 任务的实际价值尚未验证。

    阅读价值：该研究在具有连接真值的 EEG 仿真中比较六种连接度量，并检验噪声与降采样的影响，可为连接分析的方法选择提供参考，但不能直接视为真实 EEG 或 BCI 场景下的有效性验证。

  4. OpenReview · EEG70

    集成患者特异性癫痫发作分类与记录处理器的 8 通道可扩展 EEG 采集 SoC

    基于摘要分析。该研究面向持续监测癫痫发作的便携式 EEG 设备，提出一款 8 通道可扩展 EEG 采集 SoC，将患者特异性的 Support Vector Machine（SVM）分类处理器与采集、记录功能集成，旨在兼顾小尺寸、低功耗和减少通信开销。主要研究对象是癫痫发作监测硬件系统，而非通用 BCI 解码算法。 技术动机包括不同患者的 EEG 发作模式差异、低功耗可变动态范围仪表电路与发作检测处理器的集成，以及持续传输 EEG 带来的通信负担。患者特异性 SVM 用于应对个体差异，片上分类则意在减少对片外检测的依赖；摘要未说明特征构造、SVM 核函数、训练数据需求或参数更新方式。 作者援引的前期工作在芯片上提取 EEG 特征，相较传输原始 EEG 数据，作者转述其功耗降至约 1/14，但该方案仍需传输数据并在片外分类。此数字属于引用工作的对照背景，不能作为本研究 SoC 的实测功耗收益。本文摘要未给出自身的检测性能、功耗、记录容量或通信节省量。 复现与评估需核对模拟前端指标、可扩展方式、片上分类与记录流程，以及患者特异性训练和测试的划分。被试规模、数据来源、检测指标、误报率、检测延迟、实验协议、消融及统计信息尚未验证，不能据此判断临床有效性或其在其他 EEG 任务中的适用性。

    阅读价值：值得阅读其将患者特异性 SVM 癫痫发作分类与 EEG 采集、记录集成到低功耗 SoC 的系统设计，但功耗收益与检测性能仍需全文核对。

  5. OpenReview · EEG72

    利用 NIRS 预测基于 EEG 的 BCI 性能

    基于摘要分析。该研究关注感觉运动型 BCI 中 EEG 控制性能的波动，分析了 14 名被试的 EEG 与近红外光谱（NIRS）多模态记录，并将先行 NIRS 活动用于预测 EEG-based BCI 性能，进而构建更稳健的 EEG 分类器。 核心思路不是单纯将两种模态合并用于分类，而是利用 NIRS 对后续 EEG 控制性能的预测，为 EEG 分类器的构建提供信息。摘要未说明性能预测的目标变量、NIRS 与 EEG 的时间间隔、特征提取方式、预测模型，以及预测结果如何具体影响分类器训练或推理；这些机制细节尚未验证。摘要也未明确感觉运动任务是否为运动想象，不能据此将其限定为 MI 研究。 作者报告，在这 14 名被试的多模态记录分析中，先行 NIRS 活动能够预测 EEG-based BCI 控制性能的波动；利用这些预测构建的分类器显著改善了分类表现，同时减少性能波动、提高总体稳定性。摘要未提供具体指标、改善幅度、对照分类器或统计检验信息，也未说明采用被试内、跨被试还是跨会话评估，因此无法判断效果的适用范围或与其他研究直接比较。 复现时需核对多模态同步与时间窗口、预测信息在实际使用时是否已可获得、分类器更新流程，以及性能预测和分类评估的数据划分。全文、实验协议、消融及统计信息尚未验证，代码和数据可用性亦未由所给材料确认。

    阅读价值：值得核对其如何利用先行 NIRS 活动预测 EEG 分类性能波动并据此构建更稳健的分类器，但预测时序、评估划分及改善幅度尚未验证。

9月14日周五
  1. OpenReview · EEG71

    alpha 节律神经群体模型中突触功能的动力学建模

    基于摘要分析。本研究针对阿尔茨海默病（AD）相关的 EEG alpha 频段（8–13 Hz）节律减慢，在已有丘脑皮层神经群体模型中引入突触传递动力学框架，以更细致地研究异常 EEG 背后的神经机制。研究对象是疾病相关节律的机制建模，而非 BCI 解码算法。 核心方法是对配体门控突触进行建模，分别描述由 AMPA 受体介导的兴奋性突触和由 GABAA 受体介导的抑制性突触。相对于原有模型，摘要明确的贡献是引入突触传递的动力学描述；具体动力学方程、参数估计方式及与原模型的对照尚未验证。 作者报告，在该模型中，GABA 神经递质浓度可作为分岔参数，使系统从极限环模式转变为稳态。作者还报告，视网膜—外侧膝状体通路的连接对 alpha 频段功率具有显著调节作用，并认为这一结果与提出 AD 眼部生物标志物的研究相符。上述结论属于模型行为及其机制解释，不能据此认定 GABA 浓度或该通路连接已获患者层面的诊断验证。 摘要未提供患者或被试数据、模型校准与验证协议、参数取值、效应量或统计检验细节，实验协议、消融及统计信息尚未验证。阅读全文时宜重点核对分岔分析的参数范围、节律减慢与功率变化的具体关系，以及模拟结果是否与实测 EEG 对照。材料未提供与 BCI 任务性能的直接对应证据，因此不据此提出 BCI 迁移效果或复现实验建议。

    阅读价值：值得阅读的具体原因是其将突触传递动力学引入丘脑皮层神经群体模型，用于分析 GABA 浓度与视网膜—外侧膝状体连接如何影响 alpha 节律，但摘要中的模型结果尚不能视为临床生物标志物验证。

1月1日周日
  1. OpenReview · EEG71

    心理意象任务中 EEG 复数频谱的时变高斯模型

    基于摘要分析。本文研究心理意象任务中 EEG 复数频谱的统计特性，提出时变非圆对称高斯模型，以描述功率谱密度不能完整表达的复数谱信息。作者报告，该模型的均值随时间保持恒定，而方差与伪方差遵循自回归条件异方差（ARCH）模型，并通过统计检验验证模型有效性。 核心机制是保留频谱的复数表示，而非仅使用功率谱密度，从而能够表征与相位相关的信息。非圆对称建模引入伪方差这一复数统计量，与方差共同刻画二阶统计特性；ARCH 则用于描述这些统计量随时间变化的条件异方差结构。摘要将研究动机归于既有神经科学发现及作者此前工作，但未提供具体模型方程、参数估计方法或统计检验细节。 该工作的直接贡献是 EEG 频谱统计建模，而非已验证的分类算法。心理意象任务的具体类别尚未说明，不能直接等同于运动想象（MI）。数据集、被试数量、频谱估计方式、时间窗设置、检验类型及结果数值均尚未验证；摘要也未提供被试内、跨被试或跨会话解码协议，因此不能据此判断相对功率谱特征的分类增益。 复现时需核对非圆对称性与 ARCH 假设的检验条件、方差和伪方差的参数约束，以及模型在不同被试和任务条件下的适用范围。若进一步用于 BCI 解码，模型拟合有效性与任务判别有效性应分别评估，不能将前者直接视为后者的证据。实验协议、消融及统计信息尚未验证。

    阅读价值：值得阅读的具体价值在于对 EEG 复数频谱的相位信息与时变二阶统计进行显式建模，但其对 BCI 任务解码的实际收益尚未验证。

  2. OpenReview · EEG72

    用于提取 EEG 空间—频谱特征的 Bayes 最优矩阵变量 LDA

    基于摘要分析。本文研究多通道 EEG 心理状态分类中的空间—频谱特征提取，提出基于矩阵变量模型的 LDA 表述，旨在保留数据的二维结构，并获得传统 LDA 的 Bayes 最优性优势。方法同时提供从不同行、列中选择显著特征的策略。 核心问题是：频域多通道 EEG 可表示为空间与频谱两个方向组成的高维矩阵，而传统 LDA 面向向量输入，需要先将矩阵向量化。作者指出，这种处理忽略了数据固有的矩阵结构，并带来较高计算复杂度。摘要未给出向量化方法与所提方法的复杂度表达式或实测计算开销，因此尚不能量化效率收益。 相较于此前启发式的矩阵变量 LDA，本文的主要贡献是从空间—频谱 EEG 的矩阵变量模型出发，构建作者所称的 Bayes 最优表述。该最优性应在其统计模型及相应假设下理解，不能直接等同于任意 EEG 数据上的最优分类表现。摘要未披露具体分布假设、协方差结构、参数估计方式、投影形式及行列特征选择准则，这些均需查阅全文确认。 材料未提供数据集、被试数量、心理状态任务、被试内或跨被试划分、对照方法及分类指标，因而无法判断实际收益和泛化能力。实验协议、消融及统计信息尚未验证。复现时需重点核对频域表示的构造方式、矩阵维度定义、模型假设与最优性推导，以及特征选择和参数估计如何嵌入训练与评估流程。

    阅读价值：值得阅读的是其在保留 EEG 空间—频谱矩阵结构的同时构建具有 Bayes 最优性依据的 LDA，并提供行列特征选择策略；最优性成立的模型假设及实际分类收益尚需全文核对。

  3. OpenReview · EEG75

    基于 EEG 皮层电流重建屈肌与伸肌活动

    基于摘要分析。本研究针对 EEG 传感器混合多个皮层区域信号、难以分离单块肌肉活动的问题，使用层次贝叶斯 EEG 逆解方法估计皮层电流，再从这些电流重建主动肌与拮抗肌的活动时间序列。研究对象是实际等长腕部运动中的肌肉活动解码，而非运动想象或已验证的在线 BCI 控制。 技术路径是将传感器空间 EEG 转换为皮层源空间表示，再建立肌肉活动重建模型；目标信号为经过滤波的 EMG。摘要未提供逆解的具体先验、重建模型形式、训练损失或推理设置，不能据此判断如何实现或复现。 作者报告，在 5 名志愿者执行右腕等长屈曲与伸展任务的实验中，使用 EEG 皮层电流能够较好地重建单块肌肉的活动时间序列及不同用力水平下的肌肉活动，且重建准确性显著高于直接使用 EEG 传感器信号的方法。摘要未给出准确性的具体定义、数值、数据划分或统计检验细节，因此不能将这一结论延伸为跨被试、跨会话泛化能力。 作者还报告，重建模型中对屈曲和伸展贡献较高的皮层源在空间上互不重叠，尽管它们被映射到同一皮层区域。作者据此认为，该逆解方法能够较合理地分离 EEG 混合信号，并将结果表述为利用 EEG 皮层电流重建主动肌与拮抗肌活动时间序列的首次证据；该优先性主张尚未独立核对。 复现时需核对 EEG 与 EMG 的采集和滤波流程、皮层源建模所需信息、训练与测试划分，以及源空间与传感器空间对照的匹配条件。实验协议、消融及统计信息尚未验证。摘要所述证据限于上述等长腕部任务，尚不能确认其对自然灵巧运动、在线连续控制或其他被试与会话的适用性。

    阅读价值：值得核对其皮层源空间重建相较直接使用 EEG 传感器信号的增益，以及屈肌与伸肌解码权重的空间分离证据，但验证划分和准确性指标尚未验证。

  4. OpenReview · EEG73

    面向准确性与能量效率的无线 EEG 系统建模与设计

    基于摘要分析。该研究关注远程无线 EEG 监测中能耗、电池续航与采集信号质量之间的权衡，提出准确性感知的节能设计方法：根据 EEG 信号的信息含量控制传输数据量，实时调整准确性与能耗之间的取舍。其主要贡献属于无线生理信号监测系统设计，而非 EEG 分类或 BCI 解码算法。 技术机制上，作者将传输数据量作为调节变量，考察不同系统参数对设计的影响，并分析无线信道噪声的作用。摘要未说明信息含量的计算方式、数据筛选或压缩机制、实时控制策略及系统优化目标，这些实现细节尚未验证。 作者报告，在所分析的 32 通道无线 EEG 系统中，该设计方法可实现最高 10 倍的节能收益，同时对所监测 EEG 信号的准确性影响很小。这一结果限定于摘要所述系统分析背景；能耗统计边界、对照系统、信号准确性的定义及误差指标均尚未验证，不能将其解释为分类 Accuracy 或 BCI 任务性能的提升。 复现需核对 EEG 数据来源与采样设置、传输控制规则、无线信道噪声模型，以及信号质量和能耗的联合评估方法。实验协议、消融及统计信息尚未验证；摘要也不足以判断减少传输的数据是否保留了特定 BCI 任务所需的信息。

    阅读价值：值得阅读其以 EEG 信息含量调节无线传输数据量的系统设计思路，但节能收益及信号保真度的具体评估条件仍需全文核对。

  5. OpenReview · EEG72

    EEG 对语音与声音的响应模式分析：特征分组的影响

    基于摘要分析。本文研究 EEG 模式分析中时间与通道维度的特征分组如何影响对说话者身份及语音内容（元音）信息的识别，贡献在于比较六种特征组织方式，而非提出新的分类器。 方法将三种时间维度处理方式——预定义时间窗、滑动时间窗、完整试次——与两种通道维度处理方式——逐通道、多通道——组合，并使用 Gaussian Naïve Bayes 分类器分析一个多被试 EEG 数据集。该数据集来自研究短语音刺激中说话者身份和元音编码及其任务依赖性的既有研究。摘要未提供被试数量、窗口长度、特征预处理或训练与测试划分，因此不能确定其采用被试内还是跨被试评估。 作者报告，在上述数据与分类设置下，不同特征分组能够揭示信息内容在时间及头皮空间分布上的互补侧面。其中，滑动时间窗与多通道分类的组合尤其有助于追踪说话者或元音身份相关信息的早期形成，以及工作记忆任务中相关信息在较晚阶段的任务依赖性维持。作者据此认为，连续进行多通道分类的滑动时间窗方法适合利用 EEG 和 MEG 的高时间分辨率追踪神经信息处理过程；摘要中实际分析的数据为 EEG，不能据此视为已有 MEG 实验验证。 阅读与复现重点是特征组织方式如何改变时间信息与空间信息的可见性，而不是将某一种分组直接认定为所有解码任务中的最优方案。摘要未给出 Accuracy 等定量指标，窗口设置、交叉验证、对照条件、消融及统计信息尚未验证。该研究提供的是语音相关 EEG 信息分析证据，并非在线 BCI 性能或跨被试泛化能力的验证。

    阅读价值：值得阅读的具体原因是其在 Gaussian Naïve Bayes 分类器下比较时间与通道特征分组，展示不同组织方式如何揭示互补的 EEG 信息，但具体实验协议与统计可靠性仍需全文核对。

  6. OpenReview · EEG70

    利用优化频带中的 EEG 同步性度量诊断阿尔茨海默病

    基于摘要分析。该研究针对阿尔茨海默病（AD）的 EEG 辅助诊断，考察频带选择是否能提高同步性特征的判别能力；核心贡献是比较不同同步性度量，并在所用数据集中识别出具有较好诊断表现的窄频带，而非提出 BCI 控制或解码方法。 方法上，作者使用 Mann–Whitney U 检验评估包括相关性、相位同步性和 Granger 因果性在内的多种度量，再将这些度量作为特征输入线性判别分析（LDA）。分析重点是同步性特征的频率依赖性，以及优化频带相对于经典频带划分的诊断价值。 作者报告，在当前数据集中，5–6 Hz 的诊断 Accuracy 最佳，该范围位于经典 theta 频带（4–8 Hz）内；采用 Granger 因果性度量 directed transfer function（DTF）时，对应分类错误率为 4.88%。摘要未提供被试数量、数据划分、频带选择与分类评估是否独立，以及被试内或跨被试验证协议，因此该数字只能视为所用数据集及未明确协议下的结果，不能直接解释为临床泛化性能。 作者还报告，AD 患者在优化后的 5–6 Hz 范围内表现出高于健康受试者的 EEG 同步性，与许多既往研究报告的同步性降低形成对照。这提示同步性结论可能依赖所分析频带，但不能据此认定既往结论被推翻，也不能将统计关联解释为 AD 的因果机制。 作者明确指出，需要在更大的 AD 数据集上进一步检验方法有效性。复现时应核对 EEG 采集与预处理、同步性及 DTF 的计算设置、频带搜索范围、特征选择与验证划分的关系，以及分类错误率的计算方式；实验协议、消融及统计信息尚未验证。

    阅读价值：值得核对其频带优化与分类验证协议：作者报告的 5–6 Hz 同步性增强与既往 AD EEG 同步性降低的结论形成对照，但诊断效果仍需更大数据集验证。

  7. OpenReview · EEG71

    BCI 多目标通道选择的连续表示

    基于摘要分析。该研究针对 BCI 中的 EEG 通道选择问题，将 EEG 帽上的电极位置投影到二维连续空间，并采用多目标粒子群优化方法 D 2 MOPSO，同时寻找通道数量较少、分类错误率较低的候选解。核心贡献是以电极的物理空间位置表示搜索问题，使通道间的局部空间关系参与优化。 机制上，粒子在 EEG 帽的二维投影空间中移动，而不是仅将通道视为无空间关系的候选项。作者认为，这种表示更自然地适配 PSO 框架，并有助于避免选取与目标心理任务不相关的通道。摘要尚未说明连续坐标如何映射为离散通道集合、如何处理重复或邻近选择，以及两个优化目标如何形成最终选择方案；空间邻近关系也不能直接等同于任务相关性，需结合全文核对。 作者报告，在 10 名被试执行右侧与左侧运动想象的 BCI 任务中，该方法相较 Sequential Floating Forward Search（SFFS）显著改善了分类 Accuracy，并尤其强调所选通道分布的改善。摘要未给出具体 Accuracy、所选通道数、分布评价指标或显著性检验信息，也未明确采用被试内还是跨被试评估，因此不能量化收益或判断其泛化范围。 复现时需核对 EEG 电极布局及二维投影方式、信号预处理与特征、分类器、数据划分、通道选择所使用的训练与验证范围、D 2 MOPSO 参数及与 SFFS 的对照条件。实验协议、消融及统计信息尚未验证；尤其需要区分连续表示本身的贡献与优化算法的贡献，并核查减少通道数量与保持分类性能之间的权衡。

    阅读价值：值得阅读的具体原因是将 EEG 电极的空间位置纳入通道选择搜索，并同时优化通道数与分类错误率；其相对 SFFS 的收益及空间分布优势仍需结合全文实验协议核对。

  8. OpenReview · EEG71

    一种用于运动想象脑机接口的基于 EMD 的新型共空间模式方法

    基于摘要分析。研究针对运动想象（MI）EEG 脑机接口中 Common Spatial Pattern（CSP，共空间模式）依赖频带选择的问题，提出基于 Empirical Mode Decomposition（EMD，经验模态分解）的 CSP 方法，以实现与数据相关的自适应频带选择。 核心机制：CSP 提取的运动想象特征与被试特定频带的功率变化有关，因此频带选择会影响特征提取。该方法探索并利用 EMD 分解得到的 intrinsic mode functions（IMFs，固有模态函数），以及由 Hilbert Transform 计算的 instantaneous amplitude（IA，瞬时幅值）所形成的幅度调制信号。其方法价值在于尝试由信号自身的分解结果支持频带选择，而不是仅依赖人工划分和逐一评估。摘要未说明 IMF 筛选准则、幅度调制信号与 CSP 的具体组合方式，相关实现尚未验证。 结果：在 BCI competition IV dataset I 上，作者报告所提方法对所有被试均改善了分类 Accuracy，并报告配对 t 检验显示差异显著。摘要未提供具体 Accuracy、提升幅度、被试数量、对照方法、显著性水平或训练与测试划分，因而尚不能判断改善的实际大小，也不能将结果归为被试内、跨被试或跨会话协议。 复现需核对 EMD 与 Hilbert Transform 的处理流程、IMF 或频带的选择依据、CSP 特征及分类器配置，以及频带选择与训练测试划分的关系。实验协议、消融及统计信息尚未验证；现有材料支持将其视为 MI 频带自适应选择的方法探索，尚不足以确认其跨被试或跨数据集泛化能力。

    阅读价值：值得阅读的具体原因是其以 EMD 分解及 Hilbert Transform 瞬时幅值探索 CSP 的数据自适应频带选择，作者报告了分类 Accuracy 改善，但对照设置、改善幅度及统计协议仍需全文核对。

  9. OpenReview · EEG78

    清醒与 NREM 睡眠的 EEG 微状态

    基于摘要分析。该研究考察清醒静息与不同 NREM 睡眠阶段的 EEG 微状态是否发生变化，通过聚类提取准稳定的头皮电位拓扑图，再将其回配至已完成睡眠分期的 EEG，比较空间模式及时间动力学。 研究分析了 32 名被试的 32 通道 EEG，覆盖放松清醒与 NREM 睡眠。作者报告，全部 32 名被试达到 N2，其中 19 名也达到 N3，相关阶段持续至少 1 分 45 秒。方法以各警觉状态中占主导的幅度拓扑图为聚类对象，通过回配获得每个睡眠阶段的微状态序列；比较指标包括平均持续时间、总时间覆盖、全局解释方差及转移概率。聚类算法细节、类别数选择标准、预处理与回配规则尚未验证。 作者报告，各 NREM 睡眠阶段均以四类微状态为最优，与清醒静息常见的 A、B、C、D 类别数一致。以阶段特异性拓扑图与清醒拓扑图的平均空间相关性衡量，N1 为 92%、N3 为 87%，N2 最低，为 83%；这些数值不是分类 Accuracy。清醒与 N1 的时间特征较为接近；清醒、N1 和 N3 中，微状态 C 在全局解释方差和时间占比方面占主导，而 N2 中微状态 B 最突出。作者报告，N3 中所有微状态的平均持续时间显著增加，自转移概率也升高；慢波的出现只能部分解释这一持续时间变化。具体效应量、统计检验及慢波分析协议尚未验证。 作者据此提出，从清醒静息到 NREM 睡眠，大尺度空间组织可能基本保留，深睡眠中的功能变化可能更多与该组织内活动水平和时间安排的改变有关。这是作者的解释与推测，不能等同于已证明微状态与 fMRI 静息态网络一一对应，也不能据此认定其具有睡眠分期或 BCI 解码效能。复现时需核对各阶段数据量、跨阶段类别匹配、个体与组水平聚类方式，以及持续时间变化的统计控制；实验协议、消融及统计信息尚未验证。

    阅读价值：该研究提供了清醒与不同 NREM 睡眠阶段的 EEG 微状态空间拓扑及时间动力学对照，值得核对其聚类与统计协议，以评估微状态作为警觉状态表征的适用边界。