EEG 解码的跨主体泛化：深度学习方法综述
机器学习
2026-05-05 v2 信号处理
摘要
深度学习用于跨主体 EEG 解码受到高的主体间变异性的限制，这在训练和未见测试主体之间引入了严重的域漂移。本综述提供了全面回顾专为解决此跨主体泛化挑战而设计的深度学习方法。为奠定此分析基础，我们将跨主体设置正式化为多源域问题，并阐明了用于有效评估的严格、主体独立的评估协议。本综述的核心在于将当前文献系统地归类为离散的方法族，包括特征对齐、对抗学习、特征解缝和对比学习。我们通过三个关键要素来审视如何构建健壮、实际的解码：当前方法的理论局限性、主体身份的结构价值，以及 EEG foundation model 的兴起。
引用
@article{arxiv.2604.27033,
title = {Cross-Subject Generalization for EEG Decoding: A Survey of Deep Learning Methods},
author = {Taida Li and Yujun Yan and Fei Dou and Wenzhan Song and Xiang Zhang},
journal= {arXiv preprint arXiv:2604.27033},
year = {2026}
}
备注
Accepted manuscript in Progress in Biomedical Engineering. Minor update: corrected author affiliation in comment