MI-BIOT zero-phase IIR SSL 訓練結果

30 位未標記預訓練,正式 10 位正常人 left/right 個人化 5-fold,三個 fine-tune seeds。

固定輸入:Fp1/Fp2/Fz/C3/C4/Pz/O1/O2;raw 2 秒窗 → reflection-padded 4th-order SOS sosfiltfilt 1–40 Hz → 200 Hz → model-side per-channel window Z-score。不使用 ASR、ICA、EA 或 causal filter。
56.54%Scratch
61.09%SSL fine-tune
+4.55 ppPaired delta
8/10Subjects improved

預訓練

20,000 CUDA updates;best checkpoint 在 18,500 steps,validation reconstruction loss=0.02173,該點 external loss=0.01734。

Pretraining history

左右腳分類

每個模式為 10 subjects × 5 folds × 3 seeds,共 300 folds。每位先平均 folds 與 seeds,再做 subject-level paired inference。SSL 相對 Scratch 為 +4.55 pp,bootstrap 95% CI [+1.58, +7.52] pp;Wilcoxon p=0.0273。

Subject comparisonSubject delta
SubjectScratchSSL fine-tuneDelta
sub151.73%64.71%+12.98 pp
sub250.07%57.96%+7.88 pp
sub354.50%62.83%+8.33 pp
sub951.41%51.74%+0.33 pp
sub1052.00%56.83%+4.83 pp
sub1164.50%63.17%-1.33 pp
sub1274.13%75.58%+1.45 pp
sub1367.83%73.33%+5.50 pp
sub1448.67%57.17%+8.50 pp
sub1550.58%47.61%-2.98 pp

Seed 穩定性

三個 fine-tune seed 的群組 paired delta 全部為正:

SeedMean delta
20260717+3.62 pp
20260718+4.47 pp
20260719+5.56 pp
判斷:這次可視為正向 SSL transfer:effect 超過預先常用的 +3 pp 門檻、CI 下界高於 0、8/10 位方向一致,且 Wilcoxon 通過 0.05。不過 sub11(-1.33 pp)與 sub15(-2.98 pp)仍有負遷移,受試者總數只有 10 位,因此適合稱為「有希望且具統計支持」,不宜宣稱已普遍優於所有個人化模型。

檔案

fold_results.csv · subject_comparison.csv · seed_summary.csv · statistics.json · pretrain_history.csv