可解释的知识驱动特征流程能否在 EEG 分类上比肩深度学习？

为跨任务竞争而构建的特征流程

KnowEEG 要回答的问题是：一条刻意依赖领域知识的流程，能否在多个 EEG 任务上而不只是单一任务上，保持与深度学习相当的竞争力。EEG 以非侵入方式、高时间分辨率记录皮层活动，但信号信噪比低、个体间差异大，因此分类困难。深度模型直接从原始数据或时频数据中学习，但内部不透明；早期的特征方法可解释，却常在人工挑选的特征不适合任务时表现不佳。

这条流程的应对方式是扩大特征空间，而不是收窄它。它从时间序列和 EEG 文献中提取 783 个逐电极统计量，先做筛选，再与电极间连接统计量结合。随后，一个改造过的随机森林用平衡采样策略生长树：在分裂时权衡高维的逐电极特征与连接特征，使任何一组都不会仅因数量更多而占据主导。作者把这一固定配置称为 KnowEEG 流程。

五项任务、七个基线、十项指标

比较覆盖五项任务：情绪检测（DREAMER）、睁眼与闭眼检测（Crowdsourced）、心理负荷分类（STEW）、异常 EEG 分类（TUAB）和事件检测（TUEV）。KnowEEG 与七个深度学习基线对比，包括 BENDR、MAEEG、BIOT、EEGConformer，以及默认版和预训练版的 EEG2Rep，另加基于特征的 Catch22。结果以准确率和 AUROC 报告；在类别不平衡使普通准确率失真时，改用平衡准确率和加权 F1。

在十项指标中，KnowEEG 有 5 项最佳、4 项第二，仅 1 项跌出前两名。Wilcoxon 符号秩检验显示，KnowEEG 与预训练 EEG2Rep 在五个数据集上都没有显著优于对方。这一表述很关键：论文主张的是与最强深度模型持平，而不是全面胜过所有基线。

负荷任务大幅领先，异常 EEG 差距很小

在 STEW 心理负荷分类上，KnowEEG 在准确率和 AUROC 两项上都明显优于其他所有模型，两项指标的标准差都低于 1，说明不同随机种子下表现稳定。它在该数据集上达到 77.86 的准确率和 85.96 的 AUROC。在 DREAMER 上，它以 61.53 的准确率和 55.29 的 AUROC 领先，但不同种子间波动更大，与其他模型也更接近。

睁眼/闭眼任务出现一个值得注意的分化。KnowEEG 的准确率 92.81 低于预训练 EEG2Rep 的 94.13，但其 AUROC 96.72 是所有报告结果中最高的，高于 Catch22 的 95.82。在 TUEV 这个极度不平衡的六类事件数据集上，KnowEEG 的平衡准确率 45.06 排第三，但加权 F1 以 78.28 大幅领先；作者认为这里加权 F1 更合适，因为平衡准确率会让小类别主导得分。在 TUAB 上，KnowEEG 的准确率（80.18 对 80.52）和 AUROC（87.71 对 88.43）都仅次于 EEG2Rep，前三名模型在准确率上只差 1.31%、AUROC 只差 1.01，作者因此视其为相当。

多样特征支撑跨领域表现

与 Catch22 的对比说明了作者归因的机制。Catch22 在睁眼/闭眼任务上取得 95.82 的 AUROC，排第二，但在其他所有数据集上表现都很差；论文将此解读为：当特征集不够多样时，基于特征的方法难以覆盖多样的 EEG 任务。KnowEEG 之所以能在五个领域而非一个领域站住脚，被归因于它同时具备广泛的逐电极统计量和连接特征。

计算特性是论证的一部分，而非附带说明。KnowEEG 训练不需要 GPU，避开了自监督模型典型的大量预训练，也不承担 Transformer 架构在迭代训练中的 O(L²) 二次复杂度。确定性特征计算完成后，内存和训练需求与序列长度无关。这些是论文陈述的设计优势；论文并未声称该流程在特征提取本身的墙钟时间上更快。

枕区特征与已知神经科学一致

这里的可解释性是直接的，而非事后附加：随机森林直接给出特征重要性排序，而这些特征本身在 EEG 或时间序列语境中已有明确含义。作者在睁眼/闭眼任务上检验这些排序是否可信，选择该任务是因为这两种状态已被充分研究，且 KnowEEG 在此表现良好——预测不佳时的解释难以提供洞见。

在该数据集上，超参数选择阶段选定了功能功率连接（FPC）作为连接度量。它在每对电极之间、六个频段（alpha、theta、delta、sigma、beta、gamma）上计算，并包含每个电极的相对频带功率，因此同时描述频带功率活动和功能连接。对高重要性特征的分析发现，枕区统计量最具区分度：前 5 名中有 5 个、前 10 名中有 7 个、前 20 名中有 13 个、前 100 名中有 32 个来自枕区。重要性最高的三个特征、以及前 10 名中的 6 个，都是来自枕区电极的排列熵。

排名第一的特征是通道 O1 上以维度 6、tau 1 计算的排列熵：睁眼组分布更窄（标准差 0.16），闭眼组更宽（0.47），双样本 Kolmogorov–Smirnov 检验显示两组分布差异显著（p<0.0001）。论文还报告闭眼相对睁眼时 alpha 同步增强、alpha 频带功率升高、gamma 活动降低，并称这些发现已被现有神经科学文献证实。这是论文用来证明该流程内部逻辑可对照已知事实检验的证据。

重要性排序需按组解读才可靠

作者明确指出，解释只有在模型表现良好时才有用；若性能差，特征重要性很难揭示类别信息。他们还指出，基于树的重要性度量（如基尼指数）偏向有更多分裂点的高基数特征，并可能受相关性稀释影响——高度相关特征的重要性被分摊到各个特征上。

他们的缓解办法是在特征簇和脑区层面分析重要性，例如枕区电极，或结合连接来看频带功率，而不是逐个特征分析。这种分组分析被认为对单特征排序的扰动更稳健，而与神经科学文献的一致性被用作验证。作者还建议用 SHAP 或 LIME 等模型无关工具做额外核查。

设计选择带来进一步边界。单变量特征筛选能管理高维空间，但可能丢弃多变量交互；连接度量与统计特征分开选择，因此筛选阶段未考虑两组之间的交互。为可解释性只使用单一连接度量，而通过验证集选择它存在理论上的偏差风险，作者称按受试者划分可缓解。窗口长度、分段时长和频带定义等预处理选择沿用既有协议和 EEG2Rep 框架以保证公平基准，但这些参数的敏感性尚未深入探索。

临床生物标志物仍是待验证的考验

论文自己提出的下一步，是检验 KnowEEG 的性能能否在更多 EEG 数据集上保持，包括与已研究的五项任务不同的脑机接口数据。论文还规划了一条临床路线：对神经退行性疾病（具体为阿尔茨海默病和帕金森病）做分类，严格按受试者划分数据，把评估从二分类诊断扩展到临床严重程度量表（如 MDS-UPDRS）的回归，并把高排名特征作为候选生物标志物，先对照已知病理生理学，再在独立数据集上验证。

作者还提出把预计算特征与深度网络的潜在特征融合，并检验同时允许多个连接度量能否提升性能、以及提升是否与任务相关。对评估当前结果的读者来说，实际优先级是已经成立的比较：在这五项任务上，KnowEEG 是一个无需 GPU、可解释的替代方案，其整体表现与预训练 EEG2Rep 在统计上无法区分；它最明显的优势在心理负荷任务和类别不平衡事件检测的加权 F1 上，而其解释在按脑区而非单个特征解读时最可信。

本文引用的文献