Siam-ALS：EEG与眼动信号ALS检测框架

2026年10月15日，Abdur Rahman等作者在arXiv提交论文预印本，提出Siam-ALS——一个可解释的孪生深度学习框架，联合建模同步脑电（EEG）与眼动（ET）信号，用于早期ALS检测。据该预印本，在公开EEGET-ALS数据集上采用严格受试者级交叉验证，Siam-ALS取得0.988准确率和0.998 AUROC，表现优于经典机器学习、深度学习及非孪生融合方法；在独立BigP3BCI数据集上的跨数据集评估取得约0.98 AUROC，支持其跨不同BCI范式的泛化能力。为增强可解释性，作者在学习到的嵌入空间中评估了六种XAI方法，其中SHAP在识别对ALS预测重要的EEG与ET模式方面保真度最高，但各方法在统计上相当。上述结果均为该预印本自述，尚未见其他独立来源证实。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。