arXiv eess.SP（Signal Processing）·· 5 天前AI 评分47
GRAFT-EEG：面向跨数据集运动想象 EEG 的规范感知物理场迁移方法
GRAFT-EEG: Gauge-Aware Physical Field Transport for Cross-Dataset Motor-Imagery EEG
AI 导读
GRAFT-EEG 通过去除活动电极集共参考规范、并借助模板运动导场迁移各原生蒙版，实现无需目标信号、标签或经验统计的跨数据集 EEG 迁移。在 5 个留一数据集目标（253 名受试者）上，该方法等目标平衡准确率达 60.865%，较严格清洗的 5/5 BIOT 的 52.684% 高出 8.182 个百分点（95% CI +6.382 至 +10.196，各目标均为正）。
AI 要点
团队
Ying Zhou（第一作者）、Mengting Liu（末位作者），共 2 位作者
主要结果
在五个留一数据集目标（253 名参与者）上，等目标平衡准确率为 60.865%，严格干净 5/5 BIOT 为 52.684%，高 8.182 个百分点（95% CI +6.382 至 +10.196）
解决什么问题
跨数据集 EEG 解码中，导联、参考与有源传感器变化会改变观测算子；研究目标统计盲迁移，即拟合时不使用目标信号、标签或经验统计量
方法
去除有源集共参考规范，经模板运动导联场迁移各原生掩码；源拟合频谱分类器为主，有界状态空间模型残差为辅
局限
结论限于五个二分类运动想象域及所测算子；60 人同范式评估为部分确认，非无限制外部验证
AI 依据原文整理，未经人工核对。
来源：arXiv eess.SP（Signal Processing） · arxiv.org