arXiv eess.SP（Signal Processing）·2026-10-09 12:00· 16 天前AI 评分33

预测拟合相似但潜在动力学不同：刻画脑疾病个性化模型学到的动力学结构

Similar Predictive Fit but Different Latent Dynamics: Characterizing Learned Dynamical Structure in Personalized Models of Brain Disorders

AI 导读

一项基于 Temple University EEG Corpus 预训练的轻量 CNN-Transformer EEG 基础模型研究，用 Temple University Epilepsy Corpus 的 198 名受试者（99 名癫痫 / 99 名非癫痫）拟合个性化潜在状态转移依赖图。

AI 要点

团队

第一作者 Rita Huan-Ting Peng，末位作者 Nhat Bui，共 2 位作者；论文被 NeurIPS 2026 WMHS Workshop 接收。

主要结果

k=4 时癫痫组学习到的依赖结构显著更密（p=1.1×10⁻⁷），k=6 时同样（19.90 vs 13.46，p=5.2×10⁻⁵）；但留出对数似然两组几乎相同（-0.992 vs -0.991，p=0.95）。

解决什么问题

考察预测拟合相近时，个性化潜动态是否仍能揭示临床相关差异。

方法

用 TUEG 预训练的轻量 CNN–Transformer EEG 基础模型提取片段表征，在 TUEP 上映射到共享潜状态空间，对每位受试者拟合稀疏多项逻辑转移分布得到个性化转移依赖图；共 198 名受试者（99 癫痫 / 99 非癫痫）。

局限

从研究设计看，为回顾性语料分析，图特征组间区分度中等（AUROC 0.68 / 0.65），未设对照干预。

AI 依据原文整理，未经人工核对。