Leakage-audited benchmarking reveals limited evidence for cross-subject auditory-evoked EEG vowel perception decoding

ABSTRACT

中文摘要

作者在明确试次单位、按参与者分组验证、完整预测覆盖和参与者级统计推断的条件下，重新评估听觉诱发 EEG 的跨被试五元音感知解码。研究解析 OpenNeuro ds006104 v1.0.1 的全部 Study 2 事件表，聚焦辅音—元音配对任务。通过标记与刺激配对，7,680 条事件记录被转换为 3,840 个独立试次；排除主动条件后剩 1,280 个对照试次，再以跨通道峰峰值不超过 400 微伏为标准剔除 186 段，最终保留 16 名参与者、61 个通道的 1,094 段 EEG。十三种实现均采用留一被试测试；参与者指标来自 33 个完整复现中的 36,102 个试次预测。研究还评估五个随机种子下深度模型的稳定性、类别错误和数据保留敏感性，并为探索性的最小距离均值分析执行 9,616 次真实重训练，训练队列规模从 3 人到 15 人。两套独立队列构建实现保留了完全相同的 1,094 个试次及标签，最大张量差为 4×10⁻¹² V，因此纠正计数方式没有改变实际模型输入。随机森林的平均平衡准确率最高，为 21.474%，参与者自助法 95% 区间为 19.526%—23.482%，而五分类机会水平为 20%；单侧 Wilcoxon、Bonferroni 校正和符号翻转检验均不显著。十三种实现经过多重比较校正后均未达到显著；深度模型均值接近机会水平，并在部分架构中表现出较大的被试内种子波动和较低预测一致性。随着训练参与者从 3 人增加到 15 人，重训练的最小距离均值模型平均准确率仅在 20.553%—20.922% 之间变化，没有单调提升。作者据此认为，该数据集和协议只为跨被试五元音解码提供有限证据，而显式试次单位、被试分组验证、完整种子报告、预测级可追溯性与多重校正能让小样本 EEG 基准的结论更可靠。