跳到正文

算法、任务与模态

Artifact Robustness 最新动态

Artifact Robustness 研究索引；按可核对的标签归档，不以热度评价质量。

46 条精选近 30 天 10 条共收录 74 条

更新

精选归档 · 第 3 页

1月1日周二第 41–46 条
  1. OpenReview · EEG71

    基于变分稀疏性与 L 范数残差的 EEG 扩展源成像

    基于摘要分析。该研究针对 EEG 源成像逆问题的不适定性，以及眼动、头动等异常值对诱发 EEG 的污染，提出 L1-norm Residual Variation Sparse Source Imaging（L1R-VSSI），旨在同时重建皮层活动的位置与空间范围。其主要研究对象是扩展脑源成像，而非直接进行 BCI 任务分类或解码。 核心机制是在残差项中使用 L1 损失，降低异常值对重建的影响；同时在源的变分域施加 L1 范数约束，以获得作者所述的全局稀疏、局部平滑解。优化采用交替方向乘子法（ADMM）。这一设计将观测残差的鲁棒性与扩展源的空间结构约束结合起来，区别于仅在源原始域施加稀疏约束的方案。具体变分算子、目标函数权重、前向模型及 ADMM 更新过程尚未验证。 作者报告，在模拟 EEG 与实验 EEG 数据集上，L1R-VSSI 能减轻记录过程中异常值的影响，并优于传统 L2 范数方法 wMNE、LORETA，以及原始域稀疏方法 SBL 和变分域稀疏方法 VB-SCCD。摘要未提供数据集名称、被试数、异常值构造或识别方式、评价指标和定量结果，因此目前不能判断优势幅度及其适用范围。实验协议、消融及统计信息尚未验证。 复现时需核对源空间与头模型设置、扩展源真值或实验参照、噪声和异常值条件、各方法超参数选择及优化停止准则。尤其需要区分位置定位与空间范围重建的效果，并核实残差 L1 损失与变分域约束分别贡献多少；这些是待核对事项，不代表作者未开展相关分析。摘要未给出代码或实现可用性信息。

    阅读价值：值得阅读的具体原因是该方法将残差 L1 损失与源变分域稀疏约束结合，针对异常值污染下的扩展 EEG 源重建提供了可核对的优化机制，但性能优势的评估协议与统计证据尚未验证。

  2. OpenReview · EEG71

    基于变分稀疏性与 L 范数残差的 EEG 扩展源成像

    基于摘要分析。研究针对 EEG 源成像逆问题的不适定性，以及诱发 EEG 中强背景活动和眼动、头动所致离群值的干扰，提出 L1-norm Residual Variation Sparse Source Imaging（L1R-VSSI），旨在更准确地重建皮层活动的位置与空间范围。 核心机制是在残差项使用 L1 损失以减轻离群值的影响，同时在源的变分域施加 L1 范数约束，以获得全局稀疏、局部平滑的解，并使用交替方向乘子法（ADMM）求解。其方法重点是同时处理观测误差的鲁棒性和扩展源的空间结构，而非仅在原始源域施加稀疏约束。摘要未提供变分算子的具体定义、完整目标函数及正则化参数选择方式。 作者报告，在模拟与实验 EEG 数据上，L1R-VSSI 能有效减轻记录过程中离群值的影响，且表现优于传统 L2 范数方法 wMNE、LORETA，原始域稀疏约束方法 SBL，以及变分域稀疏约束方法 VB-SCCD。摘要没有给出数据集名称、被试数、离群值设置、评价指标或改善数值，因此这些结果只能理解为作者在所用评估条件下的定性结论，不能外推为 BCI 解码性能提升。 复现需核对头模型与前向算子、源空间及变分算子构造、噪声和离群值生成方式、正则化参数、ADMM 收敛条件，以及各对照方法的调参和评价协议。实验协议、消融及统计信息尚未验证；其对不同源范围、背景活动强度及真实运动伪迹的适用边界也需结合全文确认。

    阅读价值：值得关注其将 L1 残差鲁棒性与源变分域稀疏约束结合的 EEG 扩展源成像机制；作者报告其优于多类对照方法，但具体评估协议与改善幅度尚未验证。

3月1日周四
  1. OpenReview · EEG73

    用于单试次 EEG 分类的鲁棒支持矩阵机

    基于摘要分析。本文研究测量伪迹、异常值及非标准噪声干扰下的单试次 EEG 分类，提出 robust support matrix machine（RSMM），在保留 EEG 矩阵表示的同时，将潜在干净信号恢复与分类器训练纳入统一框架。 核心机制是利用 EEG 样本内部的相关性，假设每个 EEG 矩阵可分解为潜在低秩干净矩阵与稀疏噪声矩阵，并基于恢复后的干净矩阵训练分类器。相较于摘要所述通过低秩约束利用矩阵内部相关性的已有分类器，RSMM 的主要区别是显式处理样本内部异常值，而非仅依赖输入信号本身。作者提出基于 alternating direction method of multipliers（ADMM，交替方向乘子法）的求解器；具体目标函数、损失形式、正则化设置及收敛条件尚未验证。 作者报告，在真实二分类 EEG 数据上的分类实验中，RSMM 优于所比较的先进矩阵分类器。摘要未提供数据集名称、被试数、矩阵构造方式、被试内或跨被试划分、对照方法名称及具体指标，因此目前不能判断性能优势的幅度或跨协议泛化能力。实验协议、消融及统计信息尚未验证。 阅读与复现时应重点核对低秩与稀疏分解的适用条件、超参数选择，以及训练和推理阶段分别如何恢复信号。平台推测（待验证）：若真实伪迹呈持续性、广泛通道污染而非稀疏异常，或有效 EEG 判别信息本身不符合低秩假设，恢复过程可能削弱分类信息。摘要将鲁棒运动想象 BCI 作为潜在应用方向，但尚不足以确认具体运动想象任务表现或在线 BCI 有效性。

    阅读价值：值得核对其将低秩信号恢复与矩阵分类器联合训练的机制，以及样本内稀疏异常假设对真实 EEG 伪迹的适用范围；摘要中的性能优势尚需结合实验协议验证。

1月1日周一
  1. OpenReview · EEG77

    面向局灶性癫痫患者可穿戴发作检测系统开发的头皮 EEG 与耳后 EEG 比较

    基于摘要分析。该研究针对局灶性癫痫患者的连续可穿戴监测需求，通过同步比较头皮 EEG 与耳后 EEG，考察耳后记录能否保留有意义的癫痫放电并支持自动发作检测。研究对象是癫痫监测，而非 BCI 控制或意图解码。 研究同步采集了 12 名颞叶、顶叶或枕叶癫痫患者的传统头皮 EEG 和耳后 EEG；耳后记录包含跨头通道（cross-head channels）及单侧通道。分析涵盖眨眼引起的眼电（EOG）伪迹、发作期间的时域波形与频率内容、相干性，以及基于支持向量机（SVM）的自动发作检测。这种同步比较有助于在相同发作事件下评估不同记录位置的信号与检测表现。 作者报告，跨头通道中未观察到眨眼 EOG 伪迹，单侧通道中的伪迹幅度显著较小；发作期间，耳后 EEG 的时域波形和频率内容在视觉上与头皮 EEG 相似，相干性分析也支持耳后记录捕获了有意义的癫痫放电。上述结果支持耳后记录的信号可用性，但不能直接推广为对所有日常活动伪迹均具有鲁棒性。 在这批同步记录上使用 SVM 进行自动发作检测时，作者报告：头皮 EEG 的中位敏感度为 100%，误检率为每小时 1.14 次；耳后 EEG 的中位敏感度为 94.5%，误检率为每小时 0.52 次。作者据此认为两类记录可取得可比的检测表现。敏感度与误检率需联合解读，不能仅凭耳后记录误检率较低就认定其整体优于头皮 EEG。 摘要未说明检测特征、SVM 配置、训练与测试划分、记录时长、发作数量及检测延迟，实验协议、消融及统计信息尚未验证；也无法判断这些指标属于被试内还是跨被试评估。当前证据支持耳后 EEG 用于局灶性癫痫发作检测的可行性，但长期日常佩戴、不同患者与发作类型下的泛化，以及实际设备条件下的表现仍需核对全文或进一步验证。

    阅读价值：该研究通过同步采集头皮与耳后 EEG，结合信号一致性分析及 SVM 发作检测，为评估耳后电极用于局灶性癫痫可穿戴监测提供了可核对的证据，但日常佩戴效果与检测泛化能力尚未验证。

12月31日周二
  1. OpenReview · EEG75

    同步 EEG-fMRI 研究中用于去除 BCG 伪迹的耦合基学习与正则化重建

    基于摘要分析。该研究针对同步 EEG-fMRI 采集中幅度显著大于真实 EEG 的心冲击图（ballistocardiogram，BCG）伪迹，提出 Direct Recording-Joint Incoherent Basis（DRJIB）方法，将受污染的观测分解为 BCG 与潜在 EEG 成分，重点处理连续、非事件相关 EEG 的伪迹去除与信号保留问题。 核心机制是利用新实验装置获取的 BCG-only 与 EEG-only 信号学习两类基表示，而非假定 BCG 与 EEG 子空间正交或独立。其代价函数结合用于自动维度选择的组稀疏惩罚，以及鼓励两类基不相干的能量项，得到成对的低维、半正交基表示；随后将受污染数据拟合到基于这些基的生成模型，并通过正则化完成重建。摘要未给出损失函数的具体形式、正则化参数或优化细节。 作者报告，在具有挑战性的非事件相关 EEG 研究中，相较 Optimal Basis Set（OBS）基线，DRJIB 在分离并保留连续 BCG 与 EEG 信号方面表现出近 12 倍优势。这是初步定量结果，摘要未明确该倍数对应的指标、计算方式及误差范围，不能将其解释为 Accuracy 提升或其他特定性能增益。 复现时需要核对 BCG-only 与 EEG-only 信号的采集装置和条件、参考信号与混合记录的匹配方式、基学习及重建参数，以及 OBS 对照的具体实现。被试数量、数据划分、跨被试或跨会话适用性、实验协议、消融及统计信息尚未验证。该研究直接面向 EEG-fMRI 伪迹处理，但摘要结果不构成 BCI 解码性能改善的证据。

    阅读价值：值得关注其利用独立采集的 BCG-only 与 EEG-only 信号学习耦合基、再进行正则化重建的去伪迹机制，但作者报告的近 12 倍优势仍需核对具体指标、采集条件与评估协议。

  2. OpenReview · EEG75

    MR 扫描仪内用于重建全头皮 EEG 的 BCG 伪迹去除

    基于摘要分析。本研究针对同步 EEG/fMRI 采集中心冲击图（ballistocardiogram，BCG）伪迹干扰 EEG 解释的问题，提出 Direct Recording Temporal Spatial Encoding（DRTSE），利用高密度 EEG 通道之间的信息估计全头皮 BCG 贡献，再重建 EEG，重点面向难以通过平均操作去除伪迹的连续、非事件相关研究。 机制上，作者设计专门实验，支持近似最优的通道子集选择：从 256 个通道中选出 20 个，并提出可由该子集估计实际记录中所有通道的 BCG 伪迹。方法将学习与推断整合，初步评估涉及直接相减及基于优化的重建方案。摘要未说明所选通道的具体信号构成、学习目标、优化形式，以及伪迹估计如何避免同时消除真实 EEG，这些内容需结合全文核对。 结果方面，作者报告，在具有挑战性的非事件相关 EEG 研究中，结合优化方案的 DRTSE 相较 Optimal Basis Set（OBS）使归一化 RMSE 降低约 13 倍。该数值属于摘要所述初步评估，不能解释为准确率提升或下游任务性能改善；其归一化定义、参考 EEG 的获得方式、被试数、训练与测试划分、跨被试或跨会话适用性，以及实验协议、消融及统计信息尚未验证。 复现重点是专门实验与实际记录之间的对应关系、20 通道子集的选择和部署条件，以及 OBS 对照的参数与误差计算协议。该工作直接研究 EEG/fMRI 采集中的伪迹处理，但摘要未提供 BCI 解码结果，因此不能将重建误差改善等同于 BCI 性能提升。

    阅读价值：值得核对其通过少量通道估计全头皮 BCG 伪迹的学习与推断机制，尤其是作者报告的相对 OBS 重建误差改善及其评估协议，但摘要中的初步结果尚不足以确认真实同步 EEG/fMRI 场景下的泛化能力。