arXiv cs.AI· Xuan-The Tran, Thien-Nhan Vo, Son-Tung Vu, Thoa-Thi Tran, Manh-Dat Nguyen, Thomas Do, Chin-Teng Lin·· 11 小时前AI 评分31
EEG 的跨被试与个体内变异性：系统性综述
Inter- and Intra-Subject Variability in EEG: A Systematic Survey
AI 导读
一篇系统性综述梳理了健康与临床队列中静息态、事件相关电位（ERP）及任务相关/BCI 范式（含运动想象与 SSVEP）下 EEG 变异性的量化与建模研究，发现跨被试差异通常大于个体内波动，但两者都会影响推断与模型泛化。
正文 · AI 翻译
摘要：脑电图（EEG）是神经科学、临床神经生理学和脑机接口（BCI）的基础，但显著的受试者间和受试者内变异性限制了其可靠性、可重复性和转化应用。本系统综述研究了在健康与临床队列中，跨静息态、事件相关电位（ERP）以及任务相关/BCI 范式（包括运动想象和 SSVEP）对 EEG 变异性进行量化或建模的研究。跨范式来看，受试者间差异通常大于受试者内波动，但两者都会影响推断和模型泛化。稳定性取决于特征：alpha 频段指标和个体 alpha 峰值频率通常相对可靠，而更高频率和许多基于连接性的指标则表现出更异质的可靠性；ERP 可靠性因成分而异，其中 P300 指标常表现出中等至良好的稳定性。我们总结了变异性的主要来源（生物学、状态相关、技术和分析方面），回顾了常见的量化和建模方法（例如 ICC、CV、SNR、概化理论以及多变量/基于学习的方法），并为研究设计、报告和协调提供了建议。总体而言，EEG 变异性既应被视为需要管理的实际约束，也应被视为可用于精准神经科学和稳健神经技术的有意义信号。
| 主题： | 神经元与认知（q-bio.NC）；人工智能（cs.AI）；人机交互（cs.HC） |
| 引用为： | arXiv:2602.01019 [q-bio.NC] |
| （或 arXiv:2602.01019v2 [q-bio.NC] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2602.01019 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Xuan The Tran [查看电子邮件]
[v1]
2026年2月1日星期日 05:08:08 UTC（439 KB）
[v2]
2026年10月16日星期五 04:06:35 UTC（490 KB）
来源：arXiv cs.AI · arxiv.org