变异属于具体特征,而非 EEG 整体
这篇论文综合了 87 项明确量化或建模 EEG 变异性的实证研究,覆盖静息态、事件相关电位(ERP),以及运动想象、SSVEP 等任务相关或脑机接口范式,纳入健康与临床人群。其统领性结论是:变异普遍存在、有结构、也有后果,但它依附于具体特征和具体实验方案,而不是整个 EEG。
这一框架的意义在于,它把“EEG 可靠吗”这一个笼统问题,换成了更窄也更容易回答的问题:哪一项测量、在哪种实验方案下,稳定到足以支撑预期的推断?综述的作答方式是把特征分成能支撑个体层面推断和不能支撑两类,并把相当一部分被报告为神经变异的成分追溯到电极放置、参考方式、处理流程选择和评估设计。
个体间差异通常大于个体内漂移
跨范式来看,个体间差异通常大于个体内波动。综述把个体间变异定义为在可比实验情境下 EEG 特征的人际差异,把个体内变异定义为同一个人跨试次、跨会话或跨任务的波动。作者强调,两者都会影响推断和模型泛化——个体间项更大,并不意味着个体内项就无害。
两者在实际中的表现也不同。在综述汇总的运动想象证据中,一项研究让 25 名被试连续 5 天参与,报告解码准确率从 68.8% 降到 53.7%,经自适应后恢复到 78.9%,说明被试自身存在跨会话漂移。另一项把个体间实验与个体内实验作对比的研究得出结论:跨被试模式与跨会话模式并不是一回事,因此按一种方式验证过的流程,不会自动在另一种方式下也得到验证。
变异大也可以同时可靠性高
综述把变异与可靠性区分开来,这一区分决定了所有结果应如何解读。变异描述离散的程度和结构——一个人内部、人与人之间、跨情境。可靠性关心的是可重复性:观察到的差异在重复测量下能否重现。一个特征可以个体间差异很大,却仍然高度可靠,只要个体在跨会话时保持一致的排序;反过来,一个特征在组水平上看起来稳定,却可能不可靠,如果重复测量在个体内部无规律地波动。
由于这是两种不同的量,综述把常用指标视为回答不同问题,而不是可以互换的分数。组内相关系数(ICC)估计总方差中归因于个体间的比例。变异系数用均值作分母表达离散程度,当均值接近零时会变得不稳定。信噪比比较信号功率与噪声功率,存在系统性偏移时,高信噪比并不意味着高可靠性。概化理论把方差拆分到被试、会话、条目等设计面上。重测相关捕捉排序稳定性,但忽略均值偏移和绝对一致性。
alpha 可用于个体推断,高频往往不行
稳定性取决于特征,而且对比很鲜明。alpha 频段指标和个体 alpha 峰值频率往往相对可靠,综述的讨论把闭眼后部 alpha 和个体 alpha 频率单列为能支撑个体层面推断的指标。更高频段的功率和许多由连接导出的指标,可靠性则更为参差。单边连接被列入不支持个体层面推断的指标,综述还指出单条边往往噪声较大,而处理流程的选择可能主导连接结果。
ERP 的可靠性随成分而变,而不是随范式而变。P300 指标常表现出中等至良好的稳定性,综述的证据表记录到 P300 潜伏期变异会影响脑机接口使用,电极选择也会影响 P300 稳定性。微状态的发现遵循同样的分化:空间地形图跨会话可以相对稳定,而持续时间、覆盖率和出现率等时间参数只有中等可靠性,其中出现频率通常比持续时间更稳定。
四类变异来源,只有两类可由研究者控制
综述把变异组织为四个相互作用的类别。生物与状态类来源是被试自身的属性,必须建模或分层处理。技术与分析类来源是实验方案和处理流程的属性,可以通过标准化和透明报告来减少。这种不对称正是实际要点:研究者无法消除被试的生物学属性,但可以改变参考方式、电极放置和分析选择。
证据表给出了可控一侧的具体量级。一项研究报告,跨轴向上的个体间电极放置变异为 3.94–7.17 mm,不过该研究没有重测设计。另一项研究分解方差,把约 32% 归因于被试、9% 归因于系统、1% 归因于会话——这是一项仅四名被试的小样本研究,其比例不应外推。综述还指出,分析上的自由度可以显著改变结果,对连接指标尤其如此,因此解读变异估计时必须同时考虑处理流程的选择。
解码准确率把变异藏成泛化差距
对脑机接口和机器学习读者而言,综述把变异重新表述为可测量的差距,而不是抽象的干扰。验证方案——会话内、跨会话、跨被试、跨数据集——把变异操作化为不同方案之间的准确率下降,而不当的划分会抬高准确率。最大均值差异和基于分类器的距离等域偏移指标,量化训练分布与测试分布在跨会话或跨数据集时的失配程度。
显式模型走另一条路:它们不丢弃方差,而是拆分方差。混合效应模型把固定的人群效应与随机的被试和会话效应结合起来;特质—状态分解把一次观测写成特质加状态加误差;贝叶斯分层模型加入考虑不确定性的方差划分。域自适应对齐源分布与目标分布,以缓解跨会话和跨被试的性能下降,但可能需要目标校准数据,并存在负迁移风险。综述还报告,变异可以部分被预测:一项结合 fNIRS 与 EEG 的多模态研究以 R² = 0.942 预测了个体间和个体内的表现,alpha 功率则跨被试、跨会话预测了运动想象表现。
稳健性论断处的证据基础并不均衡
综述明确表示,它的综合无法支撑该领域希望的全部论断。它没有评估方法学质量或偏倚风险,因此一项四名被试的研究和一项上百名被试的多会话研究权重相同,其图表中的计数也不代表证据强度。估计值没有被合并,可靠性分级是对所综述叙述的序数式解读,而不是荟萃分析区间。筛选与提取没有独立重复,综述也没有前瞻性注册。
文献本身存在直接关系到泛化的缺口。范式与指标仍然混杂,因此运动想象和静息态的发现很少能为同一特征给出可比的数字;64 个范式×指标组合中有 31 个完全没有研究;只有两项被综述的研究评估了跨数据集或多站点设计——而这恰恰是稳健性论断所需的证据。87 条记录中有 9 条是预印本、已发布内容、学位论文或数据集说明,未经同行评审。
像报告均值一样常规报告方差成分
综述的实践建议在认知神经科学、脑机接口和临床应用中是一致的:把变异当作设计变量而不是残余噪声,像报告均值一样常规报告可靠性和方差成分,并在部署实际会施加的偏移下评估泛化。后果因领域而异——认知神经科学中是效应量衰减和重复失败,脑机接口中是校准负担和跨会话漂移,临床使用中是个体层面决策受限——但补救办法相同。
论文给出的最具决策意义的分野,是哪些特征能承载个体层面推断、哪些不能。闭眼后部 alpha 和个体 alpha 峰值频率位于可用一侧;高频功率、单边连接和微状态时间参数位于另一侧;P300 指标落在中等至良好的中间带,取决于成分和电极选择。作者认为,弥合剩余差距与其说依赖新指标,不如说依赖统一的采集、对分析自由度的透明报告,以及大型多会话、多站点数据集,让真实的域偏移可以被测量而不是被假定。
本文引用的文献
Inter- and Intra-Subject Variability in EEG: A Systematic Survey
在 87 项研究中,个体间差异通常大于个体内波动,但稳定性取决于特征:alpha 频段指标和个体 alpha 峰值频率往往可靠,而高频功率、单边连接和微状态时间参数则不可靠。
