跳到正文

算法、任务与模态

统计检验 最新动态

统计检验 研究索引；按可核对的标签归档，不以热度评价质量。

42 条精选近 30 天 35 条共收录 60 条

更新

精选归档 · 第 3 页

1月1日周六第 41–42 条
  1. OpenReview · EEG72

    使用 EEG 量化 VR 晕动症

    基于摘要分析。本研究针对 VR 晕动症主要依赖定性问卷、难以交互式表征的问题，在参与者经历自运动知觉（vection）诱发的晕动不适时采集 EEG，并与基线比较。核心贡献是探索摇杆记录的参与者自报不适与 EEG 活动之间的关联，而非提出已验证的 BCI 解码算法或晕动症缓解系统。 方法上，作者通过摇杆运动记录参与者报告的晕动不适，并使用独立成分分析（ICA）区分与晕动症相关的信号及眨眼等其他来源。摘要未说明基线条件、EEG 采集配置、ICA 成分判定规则、频段特征计算方式，以及摇杆报告与 EEG 的时间对齐方法，这些复现条件尚未验证。 结果方面，在沉浸式虚拟环境的用户研究中，作者报告：跨参与者观察到与晕动症相关的 Delta（1.0–4.0 Hz）、Theta（4.0–7.0 Hz）和 Alpha（7.0–13.0 Hz）活动增加，且相关性较高并具有统计显著性。摘要未提供参与者人数、相关系数、显著性检验细节或效应量；这里的跨参与者观察不能等同于 Cross-subject 预测验证，也不能据此推断个体级监测准确率。 该研究支持的是主观不适与 EEG 活动之间的关联。作者将其定位为交互式表征和缓解 VR 晕动症的第一步，摘要并未报告在线预测或缓解干预效果。阅读全文时需核对视觉刺激、运动及眼动等因素的控制方式，以及相关关系在不同参与者和时间段中的稳定性；实验协议、消融及统计信息尚未验证。

    阅读价值：值得阅读的是作者将摇杆连续自报的 VR 晕动不适与 EEG 频段变化联系起来，为交互式不适监测提供了可核对的生理关联线索，但其预测能力与实时缓解效果尚未验证。

  2. OpenReview · EEG73

    从 EEG 信号连续解码协调运动中的双手轨迹

    基于摘要分析。该研究针对协调双手运动的连续轨迹解码问题，提出双手 BCI 范式，并结合 EEGNet 与 long short-term memory network（LSTM）构建多任务深度学习模型，从 EEG 同时重建双手的位置和速度。 任务要求被试完成朝左、中、右目标的双手伸达运动，同时采集 EEG。研究对象是实际协调运动中的轨迹重建，摘要未将其描述为运动想象任务。模型结合 EEGNet 与 LSTM，但具体模块连接、任务间参数共享、损失函数、输入时间窗及推理流程尚未验证，不能仅凭模型名称推定其实现细节。 作者报告，在 13 名被试的实验中，位置和速度解码的总体平均合并相关系数（CC）分别为 0.54 和 0.42，对应的合并归一化均方根误差（NRMSE）分别为 0.22 和 0.23；两类指标均显著优于机会水平（p<0.05）。摘要未说明“合并”的具体方式，也未交代被试内或跨被试协议、训练与测试划分及机会水平的构造方法，因此这些数值只能作为该研究所述实验条件下的结果，不能直接与其他协议比较。 作者报告，该模型在连续轨迹解码的 CC 和 NRMSE 上显著优于若干常用方法，但摘要未列出基线名称、具体差值和统计检验细节。其主要贡献是提供从 EEG 同时解码协调双手轨迹的可行性证据；离线轨迹相关性不等同于在线闭环控制性能。复现前需核对 EEG 预处理、轨迹同步与归一化、数据划分、多任务训练配置及评估聚合方式；实验协议、消融及统计信息尚未验证，数据与代码可用性亦尚未验证。

    阅读价值：该研究将 EEG 连续解码拓展到协调双手的位置与速度重建，值得核对其多任务建模及轨迹评估协议，但摘要结果尚不能证明在线双手控制的有效性。