EEGデコーディングにおける科目間汎化：深層学習手法の調査

要旨: 被験者間の変動が大きいため、被験者をまたいだEEGデコーディングのための深層学習は妨げられており、これにより学習と未知のテスト被験者の間に深刻なドメインシフトが生じます。本調査は、この被験者間汎化の課題に特化して設計された深層学習手法を、包括的にレビューします。分析の基盤として、被験者間設定をマルチソースのドメイン問題として形式化し、有効な評価のために必要となる、厳密で被験者に依存しない評価プロトコルを明確にします。本調査の中核には、現在の文献を、特徴アラインメント、敵対的学習、特徴の分離、コントラスト学習といった離散的な方法論ファミリーへと体系的に分類するタクソノミーがあります。最後に、頑健で実世界でのデコーディングを前進させるための3つの重要な要素、すなわち、現行手法の理論的限界、被験者アイデンティティの構造的な価値、そしてEEG基盤モデルの登場について検討します。