正确的区组设计实验缓解 EEG 分类中的时间相关性偏差
计算机视觉与模式识别
2020-12-08 v1 神经元与认知
摘要
[1] 中认为 [2] 之所以能够分类对视觉刺激的 EEG 响应，仅仅是因为所有 EEG 数据中均存在的时间相关性以及区组设计的使用。我们在此表明 [1] 中的主要主张被严重夸大，且其其他分析因错误的方法选择而存在严重缺陷。为验证我们的反主张，我们在 [2] 的数据集上评估最先进方法的性能，在 40 个类别上达到约 50% 的分类准确率，低于 [2] 但仍有显著意义。我们随后通过在两种额外实验设置中测试相同模型来考察 EEG 时间相关性对分类准确率的影响：一种复现 [1] 的快速设计实验，另一种考察受试观看空白屏幕时区组间的数据。两种情况下分类准确率均处于或接近随机水平，与 [1] 所报告相反，表明时间相关性对分类准确率贡献可忽略。相反，我们仅当有意通过诱导时间相关性污染数据时才能复现 [1] 的结果。这表明 Li 等人 [1] 所证明的是其数据被时间相关性和低信噪比严重污染。我们认为 Li 等人 [1] 观察到 EEG 数据如此高相关性的原因在于其非常规实验设计与设置违背了基础认知神经科学设计建议，首要的是限制实验时长，而 [2] 正是如此。本文的分析驳斥了 [1] 中“区组设计的危险与陷阱”的主张。最后，我们通过考察 [1] 中若干其他过度简化的陈述、不一致、对机器学习概念的误读、猜测及误导性主张来结束本文。
引用
@article{arxiv.2012.03849,
title = {Correct block-design experiments mitigate temporal correlation bias in EEG classification},
author = {Simone Palazzo and Concetto Spampinato and Joseph Schmidt and Isaak Kavasidis and Daniela Giordano and Mubarak Shah},
journal= {arXiv preprint arXiv:2012.03849},
year = {2020}
}