arXiv q-bio.NC（Neurons and Cognition）·· 10 天前AI 评分36
单通道 EEG 通过任务语义对齐预测认知任务
Predicting Cognitive Tasks from Single-Channel EEG through Task-Semantic Alignment
AI 导读
研究将实验指令、刺激与反应需求嵌入统一语义空间，训练 EEG 编码器把单个前后差分通道的信号与任务向量对齐，实现无需目标条件校准的零样本预测和少样本预测。在十类评估中，零样本平衡准确率最高为 30.13%（随机水平 10%）；少样本实验中，使用另一受试者每类 16 个标注 EEG 样本达到 34.47%，使用测试受试者自身任务记录样本达到 74.99%。
AI 要点
团队
作者 Ryota Kanai（原文未提及所属机构及合作团队）。
主要结果
十类留出评估中，零样本平衡准确率最高 30.13%（随机水平 10%）；少样本实验中，用另一受试者每类 16 个标注样本达 34.47%，用测试受试者自身任务记录样本达 74.99%。
解决什么问题
公开 EEG 数据任务、受试者和设备各异、难以合并，仅用 EEG 信号的自监督表征对认知状态解码效果不稳定。
方法
将实验指令、刺激和反应要求嵌入共同语义空间，训练 EEG 编码器把单个前后差分通道的信号与任务向量对齐，支持无需目标条件校准的零样本预测和用标注样本的少样本预测。
局限
从研究设计看，结果属探索性，零样本准确率仍偏低；原文还指出加入仅含单一或少数任务的数据集有时反而降低已有性能。
AI 依据原文整理，未经人工核对。
来源：arXiv q-bio.NC（Neurons and Cognition） · arxiv.org