研究：脑机接口跨被试对齐去除了身份信息，却未使任务条件的关系结构更一致

在脑机接口中，被试间变异性仍是限制跨用户解码性能的主要挑战。逐被试对齐被广泛用于改善神经解码器的跨被试迁移，然而通常仅通过解码准确率来评估，而准确率无法判断对齐后的表征是否共享更多任务相关结构。因此，我们区分了准确率所混淆的两个问题：对齐是否移除了被试特异性信息，以及对齐是否使任务条件的关系组织在个体间更相似。使用三个运动想象脑电队列，试验被表示为协方差矩阵，并通过将每个被试的平均协方差重新中心化到共同参考来进行对齐。被试特异性信息通过被试识别探针量化，而关系结构则使用由条件均值计算得到的表征相异性矩阵（RDM）进行评估，距离采用仿射不变黎曼距离。我们表明，重新中心化不改变该距离，因此也不改变所得的RDM。与该结果一致，重新中心化使所有队列中的被试识别准确率从0.96降至随机水平，而仅在数值精度层面改变RDM。关系结构的跨被试一致性显著高于零，但低于估计器的噪声下限。在训练中引入显式相似性正则化项也未能提高留出集一致性：被试间差异的表观减小可由可靠性上限的下降解释，而非对齐改善。这些发现表明，消除被试身份并不等同于对齐关系几何。更广泛地说，对齐主张必须相对于距离和用于评估的统计量二者的不变性来解读。

中文由 AI 翻译，仅供参考，以原文为准。