跳到正文

算法、任务与模态

ERP 最新动态

ERP 研究索引；按可核对的标签归档，不以热度评价质量。

103 条精选近 30 天 17 条共收录 174 条

更新

精选归档 · 第 6 页

1月1日周二第 101–103 条
  1. OpenReview · EEG71

    本体数据库：一种语义建模新方法及其在脑电数据中的应用

    基于摘要分析。本文主要研究 Semantic Web 本体的关系数据库建模与语义查询，而非 EEG 信号解码算法。作者提出利用 SQL triggers 和 foreign-keys 自动构建数据库模型，以高效回答关于具体实例的正向语义查询，并将其应用于 EEG/ERP 知识的设计、存储与交换。 核心机制是以额外数据库存储空间换取查询阶段推理负担的降低。相较既有基于知识的方法，该实现使系统在运行时无需处理完整性约束及其他部分推理。摘要未说明本体表达能力、支持的具体查询范围、额外存储内容及自动建模流程，尚不能判断其适用边界。 作者报告，该方法显著改善查询响应时间，且即使面对中等规模本体，加载时间似乎也未受影响；摘要未提供具体耗时、存储开销、本体规模定义或对照配置，因此这些结论只能按作者的定性报告理解，实验协议、消融及统计信息尚未验证。 EEG/ERP 案例的贡献在于展示本体如何主动指导知识组织与交换，而非证明信号分类、跨被试泛化或在线 BCI 性能提升。案例涉及的数据来源、语义结构、查询任务及复现资源尚未验证；其实际价值仍需结合全文中的查询正确性、性能评估与数据更新机制核对。

    阅读价值：值得关注其利用数据库存储与加载阶段处理换取语义查询效率的机制，以及 EEG/ERP 本体驱动的数据组织案例，但不能据此推断其改善了 EEG 解码或 BCI 性能。

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 · EEG74

    改善与 3-T fMRI 同步记录的听觉事件相关电位质量：去除心搏冲击伪迹

    基于摘要分析。本研究针对同步 EEG–fMRI 记录中心动周期相关心搏冲击伪迹（ballistocardiogram artefact，BCG）严重污染 EEG 的问题，系统比较 optimal basis set（OBS）、独立成分分析（ICA）及二者组合 OBS–ICA，重点考察伪迹抑制与听觉 ERP 成分 N1 保真度之间的关系。 OBS 属于逐通道校正方法，ICA 属于空间滤波方法，OBS–ICA 则结合两者。研究将三种处理流程应用于 12 名被试在 3-T 扫描仪内进行 fMRI 采集时同步记录的 60 通道 EEG。评估不仅包括残余 BCG 伪迹，还包括 N1 的信噪比（SNR）、幅度及头皮地形分布，并利用等效电流偶极子建模考察定位误差。 作者报告，三种方法均显著减少了伪迹，但相对于未经 BCG 校正的数据，ICA 处理后的 N1 SNR 和幅度显著降低，提示伪迹减少并不必然意味着目标 ERP 质量改善。相较之下，作者报告 OBS 与 OBS–ICA 均明显改善了 N1 SNR。源定位方面，三种校正方法相对于未经 BCG 校正的数据均呈现定位误差减小的描述性结果，其中 OBS–ICA 的改善达到统计显著；摘要未给出具体效应量或检验数值。 该结果的直接适用范围是所述同步 EEG–fMRI 条件下的 BCG 校正与听觉 N1 分析，不能据此断言 ICA 在其他 EEG 场景下普遍较差，也不能推导出 BCI 解码性能提升。复现时需核对 BCG 周期识别、OBS 基函数设置、ICA 成分筛选、组合处理顺序及偶极子建模参照等细节；具体实验协议、消融及统计信息尚未验证。

    阅读价值：该研究在同一组同步 EEG–fMRI 数据中比较 OBS、ICA 与 OBS–ICA，并同时考察残余伪迹、N1 信噪比与源定位误差，有助于判断去伪迹是否以损伤目标 ERP 为代价。