bioRxiv（Neuroscience）· Pouya Taghipour Langrodi·2026-10-20 08:00· 5 天前AI 评分35

超越均值池化：帕金森病受试者级 EEG 分类的统计元聚合方法

Beyond Mean Pooling: Statistical Meta-Aggregation for Subject-Level EEG Classification in Parkinson's Disease

AI 导读

一项基于 90 名受试者（57 名帕金森病患者、33 名对照）的研究提出用 14 项描述符刻画试次级预测分布的统计元聚合策略，替代均值池化完成受试者级 EEG 分类。

AI 要点

团队

Pouya Taghipour Langrodi（bioRxiv 预印本，未列其他作者）

主要结果

用统计元聚合替代均值池化后，逻辑回归的受试者级 ROC-AUC 从 0.655 升至 0.872，SVM 从 0.724 升至 0.840。

解决什么问题

标签在受试者级、输入在 epoch 级时，如何把 epoch 预测聚合为单个受试者决策。

方法

90 名受试者（57 名 PD、33 名对照），Simon 冲突任务诱发 EEG，自监督对比编码器，受试者级五折交叉验证。

局限

从研究设计看，为单一数据集上的可行性验证，未设外部验证集。

AI 依据原文整理，未经人工核对。