arXiv eess.SP（Signal Processing）·2026-10-07 12:00· 17 天前AI 评分32

面向 EEG 脑机接口解码的标签揭示在线更新基准测试

Benchmarking Label-Revealed Online Updates for EEG BCI Decoding

AI 导读

研究对 CSP 与 Riemannian 协方差两类 EEG 脑机接口解码流程开展按时间排序的 prequential（先测后训）在线自适应基准测试，覆盖三个运动想象数据集和一个运动解码数据集。

AI 要点

团队

第一作者 Bogdan Kozyrskiy，末位作者 Abraham I. Camelo Guerrero，共 3 位作者。

主要结果

在两个最大数据流上，标签揭示的在线更新使 14 个模型/数据集组合中的 13 个提升，相对准确率最高提升约 18%。

解决什么问题

EEG 信号随时间漂移，会导致静态 BCI 模型在实际使用中性能下降。

方法

在按时间排序的 prequential（先测后训）评估下，比较 CSP 与黎曼协方差两类流程，使用四个数据集（三个运动想象、一个运动解码）。

局限

从研究设计看，为基准比较研究，未涉及临床验证；数据集规模与受试者信息原文未提及。

AI 依据原文整理，未经人工核对。