arXiv（brain-computer interface）·· 24 天前精选AI 评分58
莱斯大学 Donald S. Williamson 团队提出 NEUROTOKEN，用条件流匹配统一听觉注意解码
NEUROTOKEN: Joint Source and Directional AAD with Envelope Decoding via Conditional Flow Matching
AI 导读
莱斯大学 Donald S. Williamson 团队提出 NEUROTOKEN，用一个共享 EEG 前端的网络同时完成方向性听觉注意解码与声源听觉注意解码，其条件流匹配模块 ATTUNEFLOW 按积分速度残差似然比对候选声流打分。
AI 要点
团队
第一作者 Ali Alavi，末位作者 Donald S. Williamson，共 2 位作者。
主要结果
在 KU Leuven、DTU、NJU 的 5 秒窗口上，ATTUNEFLOW 使逐段 source-AAD 比最强非生成基线提升 9%-16%，跨受试者方差缩小约 3 倍；试次级融合在其中两个数据集上超过 93%。
解决什么问题
AAD 研究割裂：directional-AAD 只分类侧别、不映射到声流；回归式 source-AAD 依赖单一 Pearson 相关；包络重建没有原生 AAD 规则。
方法
提出 NEUROTOKEN：单一网络三个头共享一个 EEG 前端，条件流匹配头 ATTUNEFLOW 以积分速度残差似然比给候选打分；推理时用 QUADTRACK 与 ENV-FLOW 两种集成。数据集为 KU Leuven、DTU、NJU。
局限
从研究设计看，论文为方法研究，未报告在线或临床验证；复现显示经典 95-97% direction-AAD 在严格试次不相交协议下下降 17%-45%。
AI 依据原文整理，未经人工核对。
AI 推荐理由
该工作把听觉注意解码统一为条件似然框架，并报告在三个数据集上相对最强非生成基线的提升幅度。
来源：arXiv（brain-computer interface） · arxiv.org