跳到正文

算法、任务与模态

Time-frequency 最新动态

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

183 条精选近 30 天 22 条共收录 456 条

更新

精选归档 · 第 9 页

1月1日周一第 161–180 条
  1. OpenReview · EEG76

    稳健的多传感器时频信号处理：教程综述及选定应用领域的性能提升示例

    基于摘要分析。本文围绕多通道非平稳信号的分析，介绍高分辨率多传感器时频分布（MTFDs），将高分辨率时频分析与阵列信号处理相结合，并通过选定应用说明其用途。这是一篇教程综述，主要研究对象不限于 EEG，不宜将其表述为专门面向 BCI 的新算法。 方法与应用：材料涉及基于到达方向（DOA）估计的源定位，以及非平稳源的自动成分分离（ACS），重点关注盲源分离。其机制路径是联合利用时频信息与多传感器信息，但具体时频分布形式、分离准则及阵列假设在摘要中未展开，尚需全文核对。 EEG 示例：一项应用结合 ACS 与 DOA 估计进行伪迹去除和源定位；另一项利用 MTFDs 开展跨通道相干性／因果性分析。作者报告通过若干应用展示了性能改善，但摘要未给出各 EEG 示例的量化结果、对照方法或评估协议，不能据此判断其优于现有 EEG 方法，也不能将相干性／因果性分析直接视为已验证的生理因果关系。 复现与边界：作者说明提供数据与代码，以支持复现并应用于读者自己的数据；具体获取方式、运行环境和参数尚未验证。EEG 数据来源、被试与通道配置、伪迹类型、评价指标，以及实验协议、消融及统计信息尚未验证。阅读时宜重点核对传感器布置和源混合假设、时频分辨率选择，以及低信噪比条件下分离和定位结果的稳定性；摘要未提供 BCI 解码性能证据。

    阅读价值：该教程综述将高分辨率时频分析与阵列信号处理结合，并提供 EEG 伪迹去除、源定位及跨通道分析示例；摘要明确说明提供数据与代码，值得核对其复现条件和适用假设。

  2. OpenReview · EEG74

    使用卷积神经网络对颅内与头皮 EEG 进行癫痫发作预测

    基于摘要分析。研究针对癫痫发作预测中依赖逐患者手工特征设计的问题，提出结合短时傅里叶变换与卷积神经网络的患者特异性预测方法，在颅内和头皮 EEG 数据上区分发作前期与发作间期片段。其主要贡献是用统一处理流程自动学习患者相关特征，减少为新患者重新设计手工特征的需求，而非建立已验证的跨被试通用预测模型。 方法将 30 秒 EEG 窗口经短时傅里叶变换转换为时频表示，再由 CNN 学习用于分类的特征。摘要将该方法定位为回顾性、患者特异性预测；其所称“通用”主要指流程可用于不同患者和数据集，无需手工提取特征，不能据此认定模型无需针对新患者训练或校准。 在上述回顾性、患者特异性评估背景下，作者报告：Freiburg Hospital 颅内 EEG 数据集的敏感度为 81.4%、错误预测率为 0.06 次/小时；Boston Children’s Hospital-MIT 头皮 EEG 数据集分别为 81.2% 和 0.16 次/小时；American Epilepsy Society Seizure Prediction Challenge 数据集分别为 75% 和 0.21 次/小时。作者还报告，在三个数据集的大多数患者上，该方法在统计上优于非特异性随机预测器。这些结果不构成跨数据集迁移或前瞻性临床有效性的证据。 摘要未提供被试数量、训练与测试划分、发作前期定义、预警时间范围、报警合并规则及统计检验细节，网络结构、训练配置、消融与代码可用性亦尚未验证。复现时应优先核对这些协议，尤其是窗口级分类如何转换为事件级预警，以及敏感度与每小时错误预测率的计算条件；不同预警协议下的数值不宜直接比较。

    阅读价值：值得核对其以统一时频处理与 CNN 替代逐患者手工特征设计的实现，以及患者特异性回顾性评估中的预警协议；跨数据集使用同类流程不等于已验证跨患者泛化。

1月1日周日
  1. OpenReview · EEG78

    从意图到行动：神经振荡通过相位、幅度及相位–幅度耦合编码运动过程

    基于摘要分析。本研究考察目标导向运动的准备与执行阶段中，相位、幅度和相位–幅度耦合（PAC）分别承载什么信息，利用人类多部位颅内 EEG（iEEG）记录及机器学习框架，比较这些特征对运动意图与实际执行的区分能力。 研究纳入六名药物难治性癫痫患者，共记录 748 个位点。被试完成延迟运动任务，研究对比已有运动意图但暂缓执行的延迟阶段与运动执行阶段；该任务不能直接等同于运动想象（MI）。摘要未提供具体分类器、特征提取流程、训练与测试划分，也未说明采用被试内还是跨被试评估，实验协议、消融及统计信息尚未验证。 作者报告，运动准备与执行涉及的脑网络模式高度重叠，两阶段均出现 delta（2–4 Hz）和 high gamma（60–200 Hz）幅度增加；运动相关 alpha（8–13 Hz）与 beta（13–30 Hz）功率则在执行阶段受到抑制，在延迟阶段增强。在该延迟运动任务的单试次分类中，作者报告低频相位信息比频谱功率变化更能区分行动与意图。PAC 特征的解码能力较弱，但仍能实现统计显著的运动状态分类，尤其涉及前扣带皮层和前运动脑区；摘要未给出分类指标数值、对照详情或显著性检验方法。 其核心价值在于将功率之外的相位与跨频耦合纳入运动状态表征，而非提出已获验证的通用 BCI 解码器。平台推测（待验证）：可在具有明确意图与执行时段标注的 iEEG 数据上，固定分类器和数据划分，比较功率、相位、PAC 及其组合的区分能力。若迁移至头皮 EEG，需要重新评估相位与 PAC 的估计可靠性；低信噪比、通道覆盖差异、跨被试变异及小样本可能削弱效果，不能将本研究的颅内记录结论直接外推。相关 EEG 工作尚未检索确认。

    阅读价值：值得阅读的具体原因是作者在同一延迟运动任务中比较相位、幅度与 PAC 对运动意图和执行的区分能力，为检验仅使用频谱功率是否遗漏运动状态信息提供了直接依据，但其 BCI 泛化价值尚未验证。

  2. OpenReview · EEG71

    利用稀疏有理分解与局部 Gabor 二值模式特征提取检测长程 EEG 记录中的癫痫发作

    基于摘要分析。该研究针对长程 EEG 记录中的离线监督式癫痫发作检测，提出结合稀疏有理分解与 Local Gabor Binary Patterns（LGBP，局部 Gabor 二值模式）的特征提取方法。主要研究对象是癫痫 EEG 检测，而非 BCI 控制或意图解码。 方法先使用一组最优系数，将每个 EEG 通道分解为 8 个稀疏有理分量，再应用修改后的 1D LGBP 算子并进行下采样。随后，对 23 个通道的全部 8 个分量计算最大 LGBP 的宽度，以 23 × 8 个特征表征每个一秒 EEG 片段。摘要未说明系数优化准则、算子修改细节、下采样参数及“最大 LGBP 宽度”的精确定义，这些实现条件尚需正文核对。 作者在 CHB-MIT Scalp EEG database 的 163 小时记录上进行比较，并使用每位患者早期 EEG 记录的 25% 训练不同分类器，属于患者特异性评估。作者报告，癫痫 EEG 片段检测的总体 Sensitivity 为 70.4%，总体 Specificity 为 99.1%；发作起始检测的总体 Sensitivity 为 91.13%，平均每小时误报 0.35 次。片段检测与发作起始检测的统计对象不同，不能将两组 Sensitivity 视为同一指标。作者称该方法优于其他专用技术，但摘要未列出分类器、对照方法及各自结果。 复现重点包括早期训练数据与其余记录的划分、发作片段标注、特征提取参数，以及从片段预测形成起始事件和误报事件的规则。被试数、测试记录构成、事件匹配容差、检测延迟、消融及统计信息尚未验证。现有证据支持将其视为患者特异性离线癫痫检测的候选特征方案，不足以确认跨被试、跨会话或在线运行效果。

    阅读价值：值得核对其稀疏有理分解与 LGBP 特征提取的具体实现，以及患者特异性协议下片段检测和发作起始检测的指标差异；摘要结果不能直接外推为跨被试或在线 BCI 性能。

  3. OpenReview · EEG75

    用于颅内与头皮 EEG 数据分析的基于卷积神经网络的通用癫痫发作预测方法

    基于摘要分析。该研究针对癫痫发作预测对手工特征及患者定制特征工程的依赖，提出以 STFT 时频表示和 CNN 特征提取、分类构成的通用处理流程，在颅内与头皮 EEG 数据上开展回顾性、患者特异性的发作预测。这里的“通用”指向不同数据集采用相同方法思路，摘要并未证实跨被试或跨数据集直接迁移。 技术机制：作者将 EEG 切分为 30 秒窗口，相邻窗口重叠 50%，使用 Short-Time Fourier Transform（STFT）提取时频信息，再对覆盖整个频率范围的 STFT 分量进行标准化，以减轻低频特征对高频特征的影响。随后由 CNN 同时承担特征提取与分类，区分发作前期（preictal）和发作间期（interictal）片段。具体网络结构、标准化统计量的估计范围及训练设置尚未验证。 作者报告，在回顾性、患者特异性评估下，Freiburg Hospital iEEG 数据集的敏感度为 81.4%、假预测率（FPR）为 0.06 次/小时；Children's Hospital of Boston-MIT 头皮 EEG 数据集分别为 81.2% 和 0.16 次/小时；Kaggle American Epilepsy Society Seizure Prediction Challenge 数据集分别为 82.3% 和 0.22 次/小时。原摘要将头皮 EEG 缩写为 sEEG，此处按其原意表述，不将其解释为立体定向 EEG。作者还报告，在三个数据集的大多数患者中，该方法在统计上优于非特异性随机预测器。 解释这些结果仍需核对患者与发作数量、训练测试划分、发作前期定义、预测时间窗、报警合并规则，以及随机预测器和统计检验的具体设置。尤其需要结合重叠窗口的划分方式理解评估协议，不能仅凭摘要判断其影响。实验协议、消融及统计信息尚未验证；现有材料也不足以推断前瞻性临床预警或闭环神经刺激的有效性。

    阅读价值：值得核对其在三个 EEG 数据集上复用 STFT—CNN 流程的患者特异性癫痫发作预测结果，但方法流程的通用性不等于跨被试或跨数据集迁移能力。

12月31日周六
  1. OpenReview · EEG71

    使用 Hilbert-Huang Transform 评估心脏骤停后患者麻醉期间的 EEG 慢波活动

    基于摘要分析。研究针对心脏骤停（CA）后缺氧缺血性脑病（HIE）的早期评估问题，使用 Hilbert-Huang Transform（HHT，希尔伯特–黄变换）分析受控丙泊酚麻醉过程中 EEG 慢波活动的变化，探索这种药物诱发反应与神经功能结局的关系。主要研究对象是心脏骤停后的脑损伤评估，而非 BCI 控制或解码。 研究纳入十名心脏骤停后患者，在 CA 后 36–48 小时于重症监护病房记录 EEG。实验逐步降低丙泊酚输注速率，以观察不同麻醉水平下的 EEG 变化。HHT 将慢波活动的变化表征为内禀模态函数（IMFs）的行为，摘要重点描述了代表慢波活动的 IMF 幅度反应；具体分解设置、模态选择及信号预处理尚未验证。 作者报告，以六个月随访确定的神经功能结局分组时，良好结局患者在丙泊酚作用下出现代表慢波活动的 IMF 幅度显著增加，而不良结局患者未能产生相应反应。作者据此认为，该方法具有早期估计 HIE 的预后潜力。摘要未提供具体效应量、显著性检验结果、分类阈值或预测性能，不能将这一组间反应差异直接视为已验证的个体预后预测能力。 该研究的可核对价值是以受控药物扰动观察 EEG 反应，而非仅分析静态 EEG 特征。全文仍需核对各结局组人数、结局判定标准、麻醉与其他临床因素的控制、HHT 参数、对照分析及验证协议；实验协议、消融及统计信息尚未验证。复现需具备对应的 ICU EEG、丙泊酚输注记录及随访结局，摘要不足以确定完整复现流程，也不构成临床实践建议。

    阅读价值：该研究值得阅读之处在于将受控丙泊酚输注下的 EEG 慢波反应与六个月神经功能结局关联，但十名患者的摘要证据尚不足以确认其预后预测性能。

1月1日周五
  1. OpenReview · EEG70

    利用皮层内微电极阵列记录的局部场电位预测癫痫发作

    基于摘要分析。本研究针对药物难治性局灶性癫痫的发作预测，探索小片新皮层区域的局部场电位（LFP）能否提供发作前预警信号。作者使用深度 Convolutional Neural Networks（CNNs）区分发作间期与发作前期活动，提出以皮层内 LFP 支持癫痫闭环控制的初步路径；研究并未在摘要中报告实际刺激干预效果。 信号与方法：材料涉及一名局灶性癫痫患者，通过植入的 10×10 微电极阵列记录 LFP。CNN 输入为各 LFP 通道在 1 秒时间窗内的频谱功率，覆盖 0–100 Hz，以 2 Hz 步长计算为 50 个频带。核心任务是发作间期与发作前期的判别，而非仅识别已经发生的发作。相较摘要所述的非侵入式 EEG 或 iEEG 路径，本研究主要探索局部皮层内记录的预测价值，不能据此认定 CNN 架构本身具有新颖性。 结果与证据边界：作者报告，在该患者的记录中，发作前 2–18 分钟的活动可与发作间期活动区分，检测率为 80%，且未出现假阳性。该检测率不能改写为 Accuracy；“无假阳性”也仅适用于所报告的评估范围，不能外推为长期监测中的零误报。摘要未提供发作次数、监测时长、发作前期定义、训练与测试划分及对照基线，因此尚不能判断事件级预测能力或实际预警负担。 复现需核对频谱估计与预处理、通道使用方式、CNN 结构与训练设置、窗口标签定义，以及按发作或时间段划分数据的具体协议。实验协议、消融及统计信息尚未验证，代码与数据可用性亦尚未验证。作者将结果定位为初步发现；单患者、局部皮层采样条件下的结果尚不足以支持跨被试泛化，也不等同于闭环治疗有效性的临床证据。

    阅读价值：值得阅读的具体原因是研究以皮层内微电极阵列记录的局部 LFP 频谱预测局灶性癫痫发作，为闭环控制提供了信号与建模路径，但单患者初步结果的泛化能力和误报表现仍需核对。

2月1日周日
  1. OpenReview · EEG77

    多模态脑影像的张量分析与融合

    基于摘要分析。本文研究不同空间与时间分辨率的多模态脑影像如何进行联合建模与融合，提出以多维张量表示数据、以较少成分或“原子”概括潜在过程，并引入 Markov–Penrose diagrams，统一表达相关概率模型与张量运算。 核心机制是将贝叶斯有向无环图（DAG）与张量网络记法结合。作者用这一图示体系解释 EEG 与 fMRI 的矩阵及张量时频分析、逆问题，以及通过 multiway partial least squares（多路偏最小二乘）和 coupled matrix-tensor factorization（耦合矩阵–张量分解）实现的多模态融合。其研究对象是多模态神经影像与脑网络建模，不能据此等同于 BCI 解码方法。 作者声称首次将脑网络的 Granger 因果分析表述为张量回归问题，从而支持脑网络的原子分解；这一优先性主张尚未独立核实。作者报告，对 EEG 和 fMRI 记录的分析展示了这些方法的潜力，但摘要未给出数据集、被试规模、采集与配准方式、评估划分、对照方法或定量指标，尚不能判断其相对既有方法的优势或泛化能力。 阅读正文时值得核对：不同模态如何建立共享维度与耦合关系，成分数如何选择，张量回归及网络分解采用何种约束，以及 Granger 分析的具体统计前提。实验协议、消融及统计信息尚未验证；代码、数据可用性和完整复现条件亦尚未验证。摘要不支持直接推导 BCI 任务上的性能收益。

    阅读价值：值得阅读之处在于其用张量结构统一描述多模态神经影像分析，并将 Granger 因果分析表述为张量回归，为理解 EEG/fMRI 融合与脑网络分解提供方法线索，但具体性能与复现条件尚未验证。

1月1日周四
  1. OpenReview · EEG70

    使用有理离散短时傅里叶变换的 EEG 时间序列癫痫发作分类

    基于摘要分析。该研究面向 EEG 癫痫发作检测，针对发作期间节律性放电与非平稳模式的区分问题，提出基于有理函数的自适应局部时频表示，并将有理离散短时傅里叶变换（rational DSTFT）作为特征提取方法，用于区分发作与非发作片段。 方法流程是从 EEG 时间序列提取 rational DSTFT 系数，再将这些系数输入多层感知机分类器。其主要方法贡献在于时频特征表示，而非提出新的分类器。摘要说明该表示具有自适应与局部化特性，但有理函数的选择、适应规则、窗口设置、系数筛选及分类器训练细节尚未验证。 作者报告，在离线癫痫发作检测的比较评估中，该方法的分类准确率优于所比较的若干先进特征提取方法，同时提供了紧凑的 EEG 时间序列表示。摘要未给出具体准确率、对照方法名称、表示维度或压缩程度，因此尚不能量化性能提升与紧凑性收益，也不能据此推断在线检测或临床应用效果。 数据集、被试数量、片段定义、被试内或跨被试划分、类别分布、实验协议、消融及统计信息尚未验证。复现前需核对特征提取参数、数据划分方式，以及不同特征方法是否使用一致的分类器与训练条件。该工作的主要研究对象是癫痫 EEG 片段分类，摘要不支持将其结果直接视为 BCI 控制任务中的有效性证据。

    阅读价值：值得阅读的具体原因是其以基于有理函数的自适应局部时频表示提取癫痫 EEG 特征，并考察分类准确率与表示紧凑性，但性能优势的实验协议与统计证据尚未验证。

  2. OpenReview · EEG72

    基于单通道 EEG 记录稀疏有理分解的睡眠分期分类

    基于摘要分析。该研究面向单通道 EEG 的离线、患者特异性睡眠分期，提出结合 Generalized Rational Discrete Short Time Fourier Transform（RDSTFT）与 Basis Pursuit（BP）的稀疏信号表示方法，并以子带能量特征进行分类。 核心流程是先利用 RDSTFT 频谱的极点和系数，将信号分解为多个频率子带；随后在这些子带上应用 BP 获得稀疏表示；最后提取各子带的总能量作为特征，输入 random forests（RF）分类器。方法的阅读价值在于把时频分解、稀疏表示与能量特征连接起来，而非依赖多通道输入。具体子带设置、极点估计方式、BP 优化细节及 RF 配置尚未验证。 作者报告，在涵盖 39 名被试、超过 670 小时睡眠 EEG 的评估中，使用每段睡眠记录的 25% 训练 RF，测试集总体 Accuracy 为 92.50%。这一结果属于离线、患者特异性设置，不能视为 Cross-subject 或 Cross-dataset 表现；摘要未明确训练片段的抽取方式、测试集构成及是否按连续时间块划分。作者报告，与其他先进方法的比较支持该稀疏分解方法的有效性，但具体基线、对照协议及差异幅度尚未验证。 复现时需核对数据集、单通道选择、睡眠分期标签体系、预处理和分窗方式，以及训练与测试划分、类别分布、各类别指标和统计信息。应重点检查 BP 稀疏化相对不使用 BP 的 RDSTFT 能量特征是否带来稳定增益；这是待验证的问题，而非对原论文消融是否充分的判断。该工作直接涉及 EEG 睡眠信号分析，但所给材料并未验证其对其他 BCI 任务的适用性。

    阅读价值：值得核对和复现的是 RDSTFT 子带分解与 Basis Pursuit 稀疏化能否提供有效的单通道 EEG 睡眠分期特征，但作者报告的准确率限于离线、患者特异性评估，不能直接推及跨被试泛化。

  3. OpenReview · EEG73

    利用深度信念网络揭示 EEG 情绪识别的关键通道与频带

    基于摘要分析。研究针对多通道 EEG 中无关通道可能引入噪声、降低情绪识别性能的问题，提出利用深度信念网络（DBN）识别情绪，并通过其学习到的权重分布分析关键通道与频带。贡献不仅是分类模型比较，还包括将模型权重用于构建精简通道配置。 方法与任务：作者设计了观看情绪电影片段的实验并采集 EEG，以提取的差分熵特征作为 DBN 输入，识别 positive、neutral 和 negative 三类情绪，并与 KNN、LR、SVM 等浅层模型比较。摘要将依据 DBN 权重分布探索通道与频带重要性描述为区别于既有工作的做法，但未提供权重汇总规则、通道筛选步骤或具体关键频带。 结果：作者报告，在该电影片段诱发的三分类实验中，DBN 在所比较模型中取得最高平均 Accuracy，为 86.08%。作者进一步识别出包含 4、6、9、12 个通道的四种配置，使用 SVM 分别获得 82.88%、85.03%、84.02%、86.65% 的 Accuracy。摘要未说明这些结果对应的被试内或跨被试协议、数据划分及重复评估方式，因此不能仅据数值认定 12 通道 SVM 优于 DBN，也不能推断减少通道在其他被试或会话中同样有效。 技术核对重点：需结合全文确认 DBN 权重如何映射到通道与频带重要性，以及特征预处理、模型训练和通道选择是否均在相应训练划分内完成。被试人数、记录通道、频带范围、网络结构、实验协议、消融及统计信息尚未验证。模型权重可提供特征重要性的分析线索，但不能直接等同于情绪的生理机制解释；复现还需核对各通道配置的具体电极位置及完整训练与评估流程。

    阅读价值：值得阅读的具体原因是作者利用 DBN 学习权重分析 EEG 情绪识别中的关键通道与频带，并以不同规模通道配置的 SVM 识别结果检验精简输入的可行性，但其跨被试与跨会话有效性尚未验证。

1月1日周三
  1. OpenReview · EEG71

    基于 HHT 的 EEG 生物特征身份识别新特征

    基于摘要分析。该研究面向利用 EEG 进行生物特征身份识别，提出从 Hilbert-Huang Transform（HHT，希尔伯特–黄变换）中提取分类特征的方法，重点考察仅使用单个电极时的身份识别能力，而非运动想象等任务的意图解码。 方法上，作者在 HHT 后计算瞬时幅值和瞬时频率，再据此构造用于分类的特征。摘要未说明这些量如何汇总为特征向量，也未提供信号预处理、HHT 分解设置、电极位置及分类器细节，因此具体实现与复现条件尚未验证。 作者报告，在两个公开数据库的单电极身份识别评估中，包含 122 名被试、观看一系列图片的数据库平均识别 Accuracy 为 96%；包含 109 名被试、执行运动／运动想象任务的数据库平均识别 Accuracy 为 99%。摘要未给出数据库名称、训练与测试划分、每名被试的数据量或是否跨会话测试，两个结果不宜脱离各自协议直接比较，也不能解释为运动想象分类准确率。 作者称这些结果优于此前采用其他特征及分类方法的已发表结果，但具体基线与协议可比性尚未验证。阅读全文时应重点核对身份类别及样本划分、单电极选择方式、跨会话稳定性，以及瞬时幅值与瞬时频率各自的贡献；实验协议、消融及统计信息尚未验证。该摘要支持的是 EEG 身份识别方法的研究价值，不能据此推断其已改善 BCI 控制性能。

    阅读价值：该研究值得关注之处是以 HHT 瞬时幅值和瞬时频率构造单电极 EEG 身份识别特征，但其识别效果能否跨会话保持仍需核对实验协议。

12月31日周一
  1. OpenReview · EEG75

    利用时间、频率与空间中的相关判别特征表征并稳健分类 EEG 图像 RSVP 事件

    基于摘要分析。该研究面向图像快速序列视觉呈现（RSVP）任务，利用 EEG 自动表征并检测目标图像事件；核心贡献是识别时频域中的事件相关电位（ERP）特征，并通过特征聚类构建供 LDA 使用的不相关特征，以利用原始判别特征之间的相关信息。 作者将方法用于包含多个会话和多名被试的 RSVP EEG 记录。作者报告，目标图像事件主要呈现三类时频模式：目标图像出现后 300–700 ms 的 theta 频段（4.3 Hz）功率增强、刺激出现后 500–1000 ms 的 alpha 频段（12 Hz）功率抑制，以及 500 ms 后的 delta 频段（2 Hz）功率增强。作者还报告，判别性时频特征以功率增强为主，在多个会话和被试间相对一致，并对这些特征进行了可视化。 在目标与非目标图像分类中，作者报告，采用特征聚类后，会话内测试的 ROC 曲线下面积由 0.85 提高至 0.89，跨被试测试由 0.76 提高至 0.84；这些指标是 ROC 曲线下面积，而非 Accuracy。作者认为，聚类构建的不相关特征比原始判别特征更稳健，且对应时频域中的局部区域。 该工作的技术关注点是如何将相关的局部时频判别信息转换为适合 LDA 的特征表示。摘要未提供聚类准则、时频变换、空间特征处理和不相关性的具体定义，也未交代被试数、会话数、样本量、训练测试划分及特征选择流程。上述实现细节，以及消融、统计不确定性和复现条件，均尚未验证；会话内与跨被试结果应分别解读，不能直接视为同一协议下的性能比较。

    阅读价值：值得核对其通过特征聚类利用相关时频判别信息的具体实现，作者报告该处理提高了 RSVP 目标检测的会话内与跨被试 ROC 曲线下面积，但特征构建、数据划分及统计可靠性仍需全文验证。

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 · EEG71

    不愉快视觉刺激诱发的 EEG gamma 响应动态：从局部活动到功能连接

    基于摘要分析。该研究考察不愉快与中性图片观看过程中，EEG 从 ERP、gamma 节律调制到相位同步的动态变化，重点区分局部活动增强与不同位点之间的功能连接。 方法上，研究采用事件相关同步（ERS）估计 gamma 节律调制，并扩展 phase-locking statistics（PLS）方法，分别分析跨试次和皮层区域间的相位同步。这一区分有助于判断刺激诱发的活动是否在不同试次中保持一致相位，以及不同记录位点是否呈现相位耦合；两者不能视为同一现象。 作者报告，在不愉快图片相对中性图片的比较中，P300、晚期正电位和 gamma 活动均增强。刺激未诱发跨试次相位同步，但可观察到广泛的位点间相位锁定。具体而言，刺激起始后 0–250 ms、38–45 Hz 区间内，不愉快图片对应更强的位点间同步，虽分布较广，但主要涉及颞区与额区之间的跨半球同步；在 500–750 ms、30–37 Hz 区间内，中性图片对应更强的同步，主要涉及颞顶区域。 作者据此提出，不愉快刺激的充分加工可能涉及约 40 Hz 相位同步支持的颞区—额区跨半球交流，不同 gamma 时间—频率区间也可能参与不同加工环节。这属于作者对功能关联的解释，不能据此确立因果通信机制，也不宜将 gamma 功率增强等同于连接增强。 摘要未提供被试规模、图片材料、参考方式、连接估计细节、多重比较校正及伪迹控制信息，实验协议、消融及统计信息尚未验证。复核结果时，尤其需要确认 gamma 活动的眼动与肌电伪迹控制，以及位点间相位同步对共同参考和容积传导的敏感性。材料未报告 BCI 分类或在线控制实验，因此不能推断其解码性能。

    阅读价值：该研究值得阅读之处在于区分 gamma 活动增强、跨试次相位同步与位点间相位同步，并报告不愉快与中性图片加工中不同时间—频率区间的连接差异，但这些结果不直接构成 BCI 解码有效性的证据。

  3. 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。

1月1日周四
  1. OpenReview · EEG78

    注意阅读期间的同步 MEG 与颅内 EEG 记录

    基于摘要分析。研究关注不同空间尺度记录的神经振荡之间的关系，通过在四名癫痫患者中同步记录 MEG 与 iEEG，比较阅读注意任务中的频带响应强度及空间组织，并利用 iEEG 核对部分 MEG gamma 调制的皮层来源。 任务中，红色与绿色词语混合呈现，同一颜色的词语组成连贯故事，患者被要求注意指定颜色。研究分析词语呈现后的 alpha、beta 和 gamma 振荡；MEG 除传感器级分析外，还采用滑动窗口波束形成技术开展源级时频重建。 作者报告，在该四名患者的阅读任务中，iEEG 时频分析显示受注意调制的高 gamma（50–150 Hz）功率增加，以及 alpha/beta（9–25 Hz）功率抑制；MEG 源重建也观察到与 iEEG 效应相伴的明显 alpha/beta 抑制。两名患者的 MEG 传感器级高 gamma 增强较难解释，而源级时频重建揭示了与 iEEG 结果相符的额外激活模式。作者报告，借助 iEEG，确认了若干 MEG gamma 调制源确实来自皮层，而非肌电或眼部伪迹；这一结论不应扩展为所有 MEG gamma 活动均已排除伪迹。 研究的主要价值是跨记录尺度的生理对应与源定位核验，而非提出或验证 BCI 分类算法。样本限于四名癫痫患者，其向其他人群、任务和记录条件的可推广性仍需评估。摘要未提供电极覆盖、同步采集细节、波束形成参数、试次数及统计检验信息，实验协议、效应量与复现条件尚未验证。

    阅读价值：该研究以同步 iEEG 为参照核对 MEG 阅读注意相关振荡及其皮层来源，值得用于理解传感器级与源级分析的可解释性差异，但其证据不等同于 BCI 解码有效性。

6月15日周五
  1. OpenReview · EEG70

    结合活动片段选择的基于小波的分形特征

    基于摘要分析。本文针对 BCI 中单试次 EEG 的特征提取与运动分类，提出结合活动片段选择和多分辨率分形特征的分析系统。研究主要使用来自感觉运动皮层的 ERP 数据开展真实手指运动分类，并讨论该方法对公共数据库中运动想象数据的适用性。 核心流程包含活动片段选择、特征提取和分类三个步骤：先结合连续小波变换（CWT）与 Student 两样本 t 统计量，在时频域中确定用于分析的活动时间段；再对离散小波变换（DWT）数据计算改进的分形维数，构建多分辨率分形特征向量；最后使用简单线性分类器完成运动分类。其可核对的机制特点是将活动时间段定位与不同分辨率下的分形特征提取串联，而非仅对整段 EEG 进行统一特征计算。 作者报告，在所开展的真实手指运动单试次实验中，该系统相较常规方法均显著提高正确分类率；摘要没有提供具体数值、对照方法名称或显著性检验细节。作者还表示结果可扩展至公共数据库中的运动想象数据，但数据库名称、任务设置及对应结果尚未验证，因此不能据此确认跨被试、跨会话或跨数据集泛化效果。 复现时需核对活动片段选择是否仅依据训练数据完成，以及 t 统计量的分组依据、时频搜索范围、改进分形维数的计算定义、DWT 配置与线性分类器实现。被试数、通道配置、数据划分、实验协议、消融及统计信息尚未验证；尤其需要区分活动片段选择与分形特征各自带来的贡献，以及真实运动与运动想象条件下的表现。

    阅读价值：值得核对其以 CWT 和两样本 t 统计量选择活动时间段、再以 DWT 多分辨率分形特征进行单试次分类的机制，尤其是时间段选择在训练与测试划分中的实施方式及其对运动想象数据的适用性。

1月1日周一
  1. OpenReview · EEG76

    用于单试次 M/EEG 分析的自适应时频模型

    基于摘要分析。该研究针对单试次 MEG/EEG 信号估计，提出对时频原子进行非线性拟合的方法，结合空间、时频及跨试次重复性信息描述信号。方法适用于瞬态活动（如 ERP）和振荡活动（如 gamma bursts），也涵盖诱发活动与诱导活动。 核心机制包含三个部分：通过多变量分解利用数据的空间结构，通过原子分解描述时频结构，并通过参数离散程度约束利用跨试次的可重复性。研究还提出一种迭代方法，用于估计非线性拟合所需的初始时频原子。摘要未给出原子的具体形式、参数离散约束的数学定义及优化流程，因此尚不能判断其对不同试次间真实变异的保留程度。 作者报告，在数值实验中，该方法对低信噪比条件具有鲁棒性，且引入参数离散约束可显著改善拟合质量。摘要未提供信噪比范围、拟合指标、对照设置或统计检验信息；实验协议、消融及统计信息尚未验证，不能据此推断其在真实被试、跨被试或在线 BCI 场景中的效果。 复现时需核对多变量分解与时频原子的定义、初始化步骤、约束强度设置及数值实验生成条件。该研究直接涉及神经信号的单试次建模，但摘要未报告 BCI 解码任务或性能结果，拟合质量改善不等同于解码性能提升。

    阅读价值：该方法将空间结构、时频结构与跨试次参数一致性结合用于单试次 M/EEG 估计，值得关注其参数离散约束在低信噪比条件下改善拟合的具体作用，但实际数据表现与复现细节尚未验证。

  2. OpenReview · EEG73

    基于 EEG 的阿尔茨海默病早期检测：同步性度量的比较研究

    基于摘要分析。该研究针对阿尔茨海默病（AD）患者 EEG 同步性降低、但个体差异使其难以可靠识别早期轻度认知障碍（MCI）的问题，比较多类 EEG 同步性度量，寻找能够区分 MCI 患者与年龄匹配对照的指标。其主要研究对象是疾病相关 EEG 特征与潜在诊断标志物，而非 BCI 控制或解码算法。 比较范围包括互相关系数、mean-square 与 phase coherence function、Granger causality、corr-entropy coefficient 及两种新扩展、基于 Hilbert transform 与时频图的相位同步指标、时域与时频域的信息论散度、状态空间方法中的非线性相互依赖度量与 S-estimator，以及 stochastic-event synchrony。摘要未给出各指标的具体计算公式、参数设置及新增扩展的机制，尚不能据此判断实现细节或复现成本。 作者报告，在所用数据集上，仅两类同步性度量能够较有说服力地区分 MCI 患者与年龄匹配对照（p < 0.005）：Granger causality 中的 full-frequency directed transfer function，以及 stochastic-event synchrony 中的非重合活动比例（fraction of non-coincident activity）。这一结果属于该数据集下的组间统计区分；摘要未提供个体分类 Accuracy、敏感度、特异度或纵向预测结果，不能将其解读为已建立可靠的早期诊断工具。作者提出，将这两类度量与其他特征结合，未来可能形成用于 MCI 和 AD 的诊断工具，该应用前景仍待验证。 被试数量、诊断标准、EEG 采集与预处理、统计检验及多重比较处理、数据划分、独立验证和消融信息尚未验证。阅读全文时应重点核对上述协议，以及指标对伪迹、共同源和参数选择的敏感性；现有摘要不支持进一步推断其 BCI 迁移效果或临床使用价值。

    阅读价值：值得阅读的具体原因是其在同一 EEG 数据集上比较多类同步性指标，并由作者报告 Granger causality 与 stochastic-event synchrony 对 MCI 与年龄匹配对照的区分信号，但这尚不等同于个体诊断能力或早期预测有效性。