Vai al contenuto
AI.info

Ricerca

GRAFT-EEG: trasporto del campo fisico che tiene conto del gauge per l’EEG di immaginazione motoria tra dataset

La decodifica dell’EEG tra dataset tratta spesso i cambiamenti nella disposizione degli elettrodi, nel riferimento e nei sensori attivi come cambiamenti di rappresentazione, sebbene modifichino anche

GRAFT-EEG: trasporto del campo fisico che tiene conto del gauge per l’EEG di immaginazione motoria tra dataset
arXiv
2610.23620
Pubblicato
2026-10-16
Autori
Ying Zhou, Mengting Liu

Abstract degli autori

La decodifica dell’EEG tra dataset tratta spesso i cambiamenti nella disposizione degli elettrodi, nel riferimento e nei sensori attivi come cambiamenti di rappresentazione, sebbene modifichino anche l’operatore di osservazione. Studiamo il trasferimento senza accesso alle statistiche del dominio di destinazione: l’addestramento non riceve segnali, etichette né statistiche empiriche di quel dominio, e le coordinate degli elettrodi servono soltanto a istanziare un operatore di predizione fisso. Il metodo elimina la libertà di gauge del riferimento comune all’insieme dei sensori attivi e trasporta ciascuna configurazione nativa dei sensori attraverso un leadfield motorio di riferimento. Un classificatore spettrale addestrato sui dati sorgente costituisce la base della decisione; un residuo limitato di un modello nello spazio degli stati (SSM) svolge un ruolo secondario. Stabiliamo un risultato di identificabilità ristretta e un limite sulla perturbazione dell’operatore. Su cinque dataset di destinazione valutati con esclusione, uno alla volta, del dataset di destinazione dall’addestramento (253 partecipanti), il metodo dinamico ha raggiunto un’accuratezza bilanciata del 60,865%, con uguale peso per ciascun dataset di destinazione, contro il 52,684% di BIOT strict-clean 5/5 (differenza gerarchica di +8,182 punti; IC al 95% da +6,382 a +10,196; positiva per ogni dataset di destinazione). Sui quattro dataset di destinazione EEGPT-clean, le medie descrittive sono state del 61,520% e del 59,057%. In quattro test esatti post hoc con lo stesso modello di partenza, FULL ha superato i controlli coordinate-basis, matched-spectrum, row-shuffled e wrong-anatomy rispettivamente di 9,959, 9,698, 11,241 e 3,985 punti (tutti gli IC al 95% escludevano lo zero; P<0,001 dopo correzione di Holm). Una valutazione separata, condotta con lo stesso paradigma su 60 partecipanti, ha mantenuto positivo il contrasto relativo all’operatore fisico (+4,029 punti; da +2,338 a +5,773), mentre il confronto tra metodo dinamico e statico non ha dato risultati conclusivi; la sua classificazione preregistrata è di conferma parziale, non di validazione esterna senza restrizioni. L’SSM ha aggiunto +1,059 punti (da +0,013 a +1,892). Le conclusioni restano limitate a cinque domini binari di immaginazione motoria e agli operatori testati.

Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.

Leggi il paper originale su arXiv