作者称,现有的运动想象脑机接口方法存在几处短板,包括患者间差异导致泛化能力不足、缺少有效的功能评估环节、患者数据可得性有限且缺少适配的数据增强办法。按论文描述,该框架引入针对脑电时空特征设计的扩散模型,采用解耦的神经网络架构,配合旋转空间编码与自回归时间融合;为缓解数据稀缺,研究者另设计了两种针对卒中患者脑电特点的增强策略。
作者称,多项运动想象脑机接口任务上的实验显示该方法在性能与泛化能力上占优,支持其用于个体化卒中康复的潜力。摘要未给出具体的准确率数值,也未报告前瞻性临床验证结果。
作者称,现有的运动想象脑机接口方法存在几处短板,包括患者间差异导致泛化能力不足、缺少有效的功能评估环节、患者数据可得性有限且缺少适配的数据增强办法。按论文描述,该框架引入针对脑电时空特征设计的扩散模型,采用解耦的神经网络架构,配合旋转空间编码与自回归时间融合;为缓解数据稀缺,研究者另设计了两种针对卒中患者脑电特点的增强策略。
作者称,多项运动想象脑机接口任务上的实验显示该方法在性能与泛化能力上占优,支持其用于个体化卒中康复的潜力。摘要未给出具体的准确率数值,也未报告前瞻性临床验证结果。
本文由 BCIwiki 根据公开信息撰写