2D CNN 能否从最小预处理的 EEG 中分类催眠易感性？

在放松与脑力负荷之间做二分类

这项研究要回答的是：仅凭 EEG，卷积神经网络能否判断一个人处于引导想象放松状态，还是在执行一项要求较高的认知任务。62 名 19–24 岁男性被试各记录 20 分钟，使用 256 通道密集阵列帽，采样率 250 Hz。其中 30 人听引导想象放松录音；32 人执行心理检索任务，例如说出各省份或美国州名，并被告知事后要写下回忆内容，任务还设有时间限制。两组都在暗室中闭眼。

因此，标签是一种分组条件，而不是对催眠易感性的临床诊断。论文把目标表述为催眠易感性，但分类器实际区分的是这两种任务下记录的 HIPNO 与 CONTROL。这一点决定了如何理解下文每一个准确率数字：高分意味着网络从信号中识别出了任务分组归属，而不是它测量了某个人有多容易被催眠。

最小预处理让网络自行寻找结构

预处理被刻意保持得很轻。研究用 pyprep 工具包中的 RANSAC 算法检测坏通道，将其剔除并插值重建；每段试次信号做 1–40 Hz 带通滤波，再按通道用该通道在整段记录上的均值和标准差做 z-score 归一化。没有做伪迹去除，也没有人工特征提取。作者的观点是：当网络直接从原始信号学习时，滤波加归一化可能已经足够。

网络把每个 10 秒时间窗当作一个二维矩阵，一个轴是电极，另一个轴是时间采样点。这种排布让 3×3 卷积核能够捕捉短时间内相邻电极之间的相关活动，这也是该设计被称为 2D CNN 而非 1D CNN 的原因。第二个模块把滤波器深度加倍并池化空间信息，全连接层中 0.50 的 dropout 率则用来补偿每个窗口级模型训练样本较少的问题。

滑动窗口框架造就了研究庞大的比较空间：七个按解剖位置划分的脑区、124 个 10 秒时间窗，合计最多 868 个独立训练的模型。每个模型只针对一个脑区和一个时间窗评分，因此论文可以追问哪些皮层区域携带判别信号，以及这些信号出现在什么时候。

随机划分初筛偏向脑后部区域

在初筛阶段，每个窗口–脑区组合都用片段级 90%/10% 随机划分训练和测试，随机种子固定为 42。准确率超过 0.67 的窗口被计为有判别力。枕区占据主导：124 个窗口中有 112 个（90.3%）通过，峰值准确率 0.8026，均值 0.7206。顶区紧随其后，124 个窗口中有 95 个（76.6%）通过，峰值 0.7730，均值 0.7087。

前部脑区通过的窗口少得多，但偶尔出现更高的峰值。前额区拥有整个实验中最好的单个窗口，准确率 0.8224，但 124 个窗口中只有 24 个（19.4%）超过阈值，均值 0.7086。中央区和额区分别有 20 个（16.1%）和 13 个（10.5%）窗口通过，峰值分别为 0.8026 和 0.7829。颞区和面部区没有任何窗口超过阈值。

这种划分只是初筛手段，不是泛化性能估计。同一被试同一 10 秒窗口切出的连续 50 采样点子片段可能同时出现在训练集和测试集中，因此分类器可能学到某个人的个体 EEG 指纹，而不是组间差异。作者明确说明了这一限制，并把随机划分限定用于给窗口排序。

被试独立测试反转了脑区排序

留一被试交叉验证消除了这种泄漏。在 62 折中的每一折，模型都从零开始，用 61 名被试的数据训练，再在被留出被试的所有片段上评估，因此每个分数都反映网络在从未见过的人身上的表现。每个有判别力脑区的最佳窗口都按这种方式重新运行。

排序发生了明显变化。初筛中占主导的枕区降到平均准确率 0.453、AUC 0.429，接近随机水平。顶区为 0.631（AUC 0.680），前额区 0.624（AUC 0.681），中央区 0.591（AUC 0.599），额区 0.646（AUC 0.692）。作者把枕区的崩塌解读为个体特异性 EEG 指纹的证据，而非真实的组间差异：网络学到的是识别个体，而这种能力无法迁移。

各折之间的标准差很大，从 0.228 到 0.353。论文将其归因于双峰分布：被留出的个体要么被明显高于随机水平地分类，要么接近随机水平。因此 0.6 左右的平均准确率描述的是一个表现不均的被试群体，而不是一种均匀的中等能力。

多窗口集成对前额区帮助最大

集成方案把 K 个独立训练模型的 softmax 概率取平均，每个模型使用同一脑区中排名不同的一个 10 秒窗口，最终为每个被试产生一个预测。当 K = 10 时，前额区从单窗口均值 0.624 提升到 0.738，增益 0.114，AUC 为 0.761。额区提升 0.021 至 0.667（AUC 0.723），中央区提升 0.038 至 0.629。

并非所有脑区都受益。顶区下降 0.022 至 0.609，枕区无论集成规模多大都停留在接近随机的 0.462，AUC 0.472。作者由此得出结论：当可泛化的信号本就不存在时，对窗口取平均无法凭空制造出这种信号。比较 K = 3 与 K = 10 还显示出收益递减：前额区从更大的集成中只多获得 0.007，而额区、中央区和顶区在 K = 3 时表现更好，作者认为这是因为判别力较弱的窗口给软投票平均值引入了噪声。

实际含义是：窗口聚合是一种有针对性的补救手段，适用于判别力真实但间歇出现的脑区。它在单窗口已高于随机水平的地方奏效，在单窗口未高于随机水平的地方则失效。

前部标记可跨被试泛化但随时间波动

论文的核心解释是：一致性与可迁移性在脑后部与前部之间呈现分离。初筛阶段，枕区和顶区给出时间上最稳定的区分，作者将其与引导想象中视觉意象的作用、以及与顶叶皮层相关的注意和多感官整合过程联系起来。但这种稳定性没有通过被试独立测试。

前部脑区呈现相反的特征：有判别力的窗口更少，但跨被试泛化更好，其中额区在 LOSO 下最高。作者认为额区的判别力是短暂的，可能反映特定时刻自上而下执行控制的间歇性参与，而不是持续的状态标记。这是他们的解释，不是经过检验的机制；研究测量的是分类表现，而不是其背后的认知过程。

颞区和面部区没有任何有判别力的窗口，这一点同样有信息量。两组全程都在听音频，只是内容不同，因此作者认为组间差异并非由听觉加工的差异驱动。面部区主要反映外周肌肉活动，本就预期贡献很小。

这些准确率数字尚未回答的问题

若干边界限制了这些结果能推广多远。样本是 62 名 19–24 岁男性被试，部分原因是该研究所女生较少，且长发会给电极帽佩戴带来困难；作者承认结论只适用于男性。比较发生在两种任务条件之间，因此分类器的目标是引导想象与认知努力，论文没有报告独立的个体催眠易感性测量来验证这一标签。

最好的被试独立数字在绝对值上也并不高。前额区集成准确率 0.738 和额区单窗口准确率 0.646 高于随机水平，但远低于有泄漏的随机划分中出现的 0.82，而且被试间方差很大，意味着部分个体接近随机水平。论文将自己的结果与准确率约 80% 的 SVM 方法、以及其此前在选定 60 秒片段上达到 81% 的 GLM 相比较，并主张 CNN 无需手工特征即可达到这些水平——但这些基准来自不同的评估设置，因此这种比较只是提示性的，并非同条件对比。

证据指向的下一个方向

如果目标是从最小预处理的 EEG 中得到一个被试独立的催眠易感性标记，这篇论文的证据指向前部皮层和窗口聚合，而不是在朴素随机划分中占主导的后部脑区。额区给出最好的单窗口 LOSO 准确率 0.646，前额区给出最好的集成结果 0.738，AUC 0.761。枕区尽管有 90.3% 的窗口通过初筛，却是最清楚的警示：其接近随机的 LOSO AUC 0.429 表明，高随机划分分数可能反映个体 EEG 指纹，而不是组效应。

因此，论文中最有用的阈值不是某个单独的准确率数字，而是两种评估方式之间的差距。今后任何关于基于 EEG 的催眠易感性分类的主张，都应按脑区报告被试独立表现，因为一旦去除泄漏，脑区排序和表面上的判别能力都会改变。

本文引用的文献