NeurIPS 2025 | 刘泉影/沈新科团队发布多数据集联合预训练的EEG情绪解码模型

背景：脑电信号在情绪识别领域具有采集便捷和高时间分辨率的优势，但现有模型受限于不同数据集的情感标签不一致、实验范式差异等问题，难以实现跨数据集泛化。研究目的：南方科技大学团队提出多数据集联合预训练框架mdJPT，通过跨数据集对齐和跨被试对齐技术，提升情绪解码模型在零样本和少样本任务中的泛化性能。结论：该框架在六个数据集测试中，零样本任务准确率平均提升11.92%，少样本分类AUROC指标提升4.57%，并通过可视化验证了特征空间的有效融合，为脑机接口任务提供了可扩展的预训练范式。