Signed-log 一階微分 ShallowConvNet

8 通道、0–2 秒、200 Hz;與原始 ShallowConvNet 使用相同 folds、trial subsets、seeds 與訓練設定。

轉換定義

d[t] = x[t] - x[t-1],再計算 sign(d) × log1p(|d|),最後逐 trial/逐通道 Z-score。第一個 sample 補 0,輸出維持 (8,400)。使用 log1p 可保留正負方向並安全處理 0。

transform example

主要結果

20+20 原始 Shallow 為 58.00% ± 7.83%,signed-log difference 為 52.90% ± 3.10%,平均下降 5.10 pp。Bootstrap 95% CI 為 [-9.49, -1.24] pp,Wilcoxon p=0.0371,改善 2/10 人。

mode n_subjects mean_accuracy std_accuracy mean_balanced_accuracy mean_macro_f1
Original ShallowConvNet 10 58.00% 7.83% 58.01% 52.68%
Signed-log difference ShallowConvNet 10 52.90% 3.10% 52.89% 45.35%

group 20x20

subject 20x20

All-trial

原始 Shallow 為 67.94%,signed-log difference 為 59.68%;配對差異 -8.27 pp。

mode n_subjects mean_accuracy std_accuracy mean_balanced_accuracy mean_macro_f1
Original ShallowConvNet 10 67.94% 14.59% 67.96% 65.39%
Signed-log difference ShallowConvNet 10 59.68% 7.96% 59.69% 57.46%

group all

subject all

結果判讀

這個轉換沒有改善 ShallowConvNet。20+20 的配對 CI 完全低於 0,且只改善 2/10 位受試者;all-trial 也下降 8.27 pp。20+20 降幅最大的受試者為 sub1 -18.03 pp、sub11 -16.00 pp,恰好包含原始 Shallow 表現較好的受試者。

轉換後跨受試者 STD 變小,主要是多位受試者收斂到接近 50% chance level,不能解讀為更可靠。一階微分確實移除 DC 與慢漂移,但也可能移除了 MI 的慢變振幅包絡、ERD/ERS power 與跨通道相對振幅;signed-log 又進一步壓縮了少數較大的斜率。因此此表示法不適合作為目前 ShallowConvNet 的唯一輸入。

解讀限制

一階微分會抑制慢波與 DC,強調快速變化;signed-log 會壓縮極端斜率。因此結果只能解讀為這種表示法對 Left/Right decoding 是否有幫助,不能直接視為生理訊號去噪或 SNR 提升。