基于单试次ERP分析的脑电信号解码：在线约会场景中浪漫情感的神经预测模型

推荐：本研究通过EEG记录61名受试者使用模拟约会App时的脑电活动，采用机器/深度学习模型对单试次事件相关电位(ERP)进行分析，首次实现个体内浪漫吸引(71.38% ROC-AUC)和拒绝(81.31% ROC-AUC)的精准预测，发现挑剔型个体的神经信号更易解码，为脑机交互式婚恋匹配提供了新范式。

　　

在数字化婚恋日益普及的今天，Tinder等约会App的 swipe 操作背后隐藏着复杂的神经机制——为什么有些人让我们一见倾心，而另一些则引发本能抗拒？传统研究多通过问卷调查或行为观察分析浪漫偏好，但以色列本-古里安大学(Ben-Gurion University of the Negev)的Dor Zazon和Nir Nissim团队独辟蹊径，将脑电图(EEG)头盔变成"读心"设备，首次揭示了单次决策中浪漫情感的神经指纹。这项发表在《Computers in Biology and Medicine》的研究，为理解"滑动选择"背后的脑科学原理提供了全新视角。

研究团队采用模拟约会App范式，记录61名23-32岁健康受试者浏览潜在伴侣照片时的EEG信号，通过时间窗分割、功率谱特征提取和卷积神经网络(CNN)等混合分析方法，构建个体化预测模型。特别设计了浪漫吸引(主动选择)和拒绝(接收负面反馈)双任务，并引入"挑剔度"人格特质评估，采用严格的数据隔离策略避免信息泄漏。

【EEG数据分析实验1：浪漫情感的个体内推断】

结果显示，融合时间模式与随机森林(TP+RF)的方法表现最优，浪漫拒绝的预测准确率(81.31% ROC-AUC)显著高于吸引(71.38%)。基线模型的随机水平表现印证了单试次ERP分析的挑战性，而CNN对时空特征的联合建模使分类性能提升37%。

【个体特性对预测的影响】

脑电解码存在显著个体差异：对高挑剔人群的预测准确率比低挑剔者高15.2%，证实其神经响应更强烈；性别差异则体现在theta波段功率特征的重要性上，女性决策时枕叶alpha振荡更显著。

【与既有研究的对比】

研究特别指出Yuan等2022年研究存在数据划分错误，其报告的85.2%准确率被证明不可靠。通过严格保持试次独立性，本工作首次验证了EEG信号与浪漫情感的因果关联。

讨论部分强调，该成果突破了传统ERP平均分析的局限，将神经解码精度推进到单次决策水平。提出的PSII(功率谱整合图像)特征虽未达最优，但为EEG表征学习开辟了新思路。实际应用中，该技术可集成至智能婚恋系统，实时监测用户的潜意识偏好；理论上则揭示了"一见钟情"的神经基础——挑剔者的强烈脑电响应或反映其决策系统的进化适应性优化。未来研究可结合fMRI探讨深层脑区(如腹侧纹状体)的协同机制，推动"神经婚配学"这一新兴交叉学科的发展。