《Frontiers in Neuroscience》：Subject-independent classification of ADHD from pediatric EEG: a leakage-aware deep learning framework with interpretable neurophysiological mapping
编辑推荐：
背景：利用脑电图对注意力缺陷多动障碍进行自动化筛查的研究产生了大量文献，报告的分类准确率通常超过90%。一个重要的方法论问题表明，这些结果的很大一部分实际上是由数据泄漏导致的，即同一受试者的脑电图片段最终同时出现在训练集和测试集中，使得分类器能够利用个体特有的
背景：利用脑电图对注意力缺陷多动障碍进行自动化筛查的研究产生了大量文献，报告的分类准确率通常超过90%。一个重要的方法论问题表明，这些结果的很大一部分实际上是由数据泄漏导致的，即同一受试者的脑电图片段最终同时出现在训练集和测试集中，使得分类器能够利用个体特有的特征，而非真正的疾病相关生物标志物。
方法：研究人员评估了三种经典机器学习算法的性能，即逻辑回归、随机森林和支持向量机，以及三种深度学习模型：长短期记忆网络、卷积神经网络和CNN-双向长短期记忆网络，在一个包含121名儿童和4,173个片段的标准化儿科脑电图数据集上进行。每种模型的性能分别在片段级交叉验证（方案A）和受试者级交叉验证（无任何数据泄漏，方案B）下进行比较。为了在不做出未经支持的因果断言的情况下评估神经地形学合理性，研究人员将深度SHAP应用于泛化性能最佳的架构。
结果：性能差异显著。在片段级评估下，基于功率谱密度特征的支持向量机达到了90.0%的准确率（95%置信区间：[89.1%，90.9%]，AUC = 0.96）。然而，同一模型在受试者级评估下下降至65.6%（95%置信区间：[62.1%，69.1%]，AUC = 0.72）——这是一个具有统计学显著性的24.4个百分点的崩塌（p < 0.001，Wilcoxon符号秩检验）。相比之下，直接从原始脑电信号学习的深度架构更具韧性：独立的CNN仅下降了2.5个百分点，在完全未见过的参与者上实现了72.7%的准确率（95%置信区间：[66.0%，79.4%]，AUC = 0.72，召回率 = 88.0%）。事后SHAP归因识别出额叶（F3、Fz、F4）和中央区（Cz）电极的相对贡献最高，这与既定的ADHD神经生理学一致。
结论：手工设计的频谱特征极易受到身份泄漏的影响，而端到端的卷积模型能够在受试者间实现真实、未膨胀的泛化性能。强烈建议将严格的受试者级验证作为转化性脑电图研究的标准实践。
论文解读：面向儿童ADHD的脑电分类——泄漏感知深度学习框架与可解释神经生理学映射
一、研究背景与问题提出
注意力缺陷多动障碍是一种日益常见的神经发育障碍，全球学龄儿童患病率介于5%至8%之间。临床诊断主要依赖问卷、家长访谈和临床评估，但这些方法存在主观报告者偏倚和诊断标准不一致等问题。因此，开发客观、非侵入性的神经生理学生物标志物成为神经科学界的重要目标。脑电图因其出色的时间分辨率，特别适用于儿童评估。
以往研究表明，基于脑电信号的机器学习算法在ADHD自动筛查中取得了令人瞩目的成果，许多研究报告的分类准确率超过90%，甚至达到99%。然而，方法学分析揭示，这些看似优异的结果往往源于有缺陷的交叉验证流程。当连续的脑电张量记录被切分为短片段，随后在训练和测试过程中随机打乱（即片段级验证），源自同一受试者的片段会同时进入训练集和测试集。这使得强大的分类器学习到的是每个受试者的个体特异性特征，而非真正的疾病特异性病理模式。
尽管受试者级验证在概念上已被讨论，但在严格相同的交叉验证分区下，对手工特征管道与原始端到端深度学习进行系统性头对头实证评估的研究仍然有限。本研究旨在填补这一空白，具体探讨三个问题：（1）在包含121名儿童的队列中，六种不同模型家族的数据泄漏差距的精确量化数值；（2）在严格受试者级评估下可实现的无膨胀基线准确率；（3）深度学习模型是否依赖于神经生理学上合理的头皮拓扑分布。
二、研究方法概述
研究人员使用了公开的儿科脑电数据集，该数据集由Nasrabadi等人于2020年通过IEEE DataPort发布，包含121名7至12岁儿童，其中61名经儿童精神科医生根据DSM-IV标准诊断为ADHD，60名为年龄匹配的神经典型对照。脑电信号在视觉注意力任务期间采集，使用19个按国际10-20系统放置的头皮电极，采样率为128Hz。连续记录经过0.5-50Hz带通滤波和50Hz陷波滤波后，被切分为4秒的非重叠片段，最终获得4,173个可用片段。
研究采用了双协议评估框架：方案A为片段级10折交叉验证，片段在折间随机打乱而不考虑受试者归属；方案B为受试者级10折交叉验证，每折完整地保留整个受试者。两种方案均按诊断类别进行分层。评估了六种模型：三种经典机器学习模型（逻辑回归、随机森林、支持向量机）基于95维的功率谱密度特征；三种深度学习模型（独立LSTM、独立CNN、混合CNN-双向LSTM）直接从原始脑电信号学习。深度模型使用TensorFlow/Keras实现，采用Adam优化器和二元交叉熵损失函数。为提供模型可解释性，研究人员应用了DeepSHAP技术，通过计算通道级平均绝对SHAP值来分析最佳泛化架构的空间特征重要性。
三、研究结果
3.1 受试者身份泄漏差距的大小
研究结果显示，片段级验证造成了严重的性能膨胀。在方案A下，经典模型取得了虚高的准确率：支持向量机达到90.0%，随机森林达到86.3%，逻辑回归达到73.8%。而在方案B下，这些模型大幅下降：支持向量机降至65.6%（下降24.4个百分点，p < 0.001），随机森林降至65.1%（下降21.2个百分点，p < 0.001），逻辑回归降至59.9%（下降13.9个百分点，p < 0.01）。相比之下，端到端深度学习架构表现出显著的韧性：LSTM仅下降3.7个百分点（不显著），CNN-双向LSTM下降6.9个百分点（p ≈ 0.05），独立CNN仅下降2.5个百分点（从75.2%降至72.7%，不显著）。
3.2 受试者独立泛化与多种子稳定性
在严格受试者级验证下，独立CNN取得了最高准确率（72.7% ± 9.3%，精确率 = 0.70，召回率 = 0.88，F1分数 = 0.78，AUC = 0.72）。通过五个随机种子评估，CNN的平均准确率稳定在72.5% ± 0.5%。DeLong检验确认独立CNN与混合CNN-双向LSTM之间的AUC差异无统计学显著性（Z = 0.48，p = 0.63），CNN与支持向量机之间的差异也不显著（Z = 0.12，p = 0.90）。独立CNN因其更高的默认决策阈值准确率和召回率以及跨种子的稳定性而被选为主要架构。
3.3 混淆矩阵与错误分解
聚合混淆矩阵显示，独立CNN优先考虑了敏感性（召回率 = 88.0%，2,330个ADHD片段中正确检测到2,050个），但特异性中等（53.4%，1,843个对照片段中正确识别985个）。混合CNN-双向LSTM和支持向量机的召回率分别为69.1%和68.0%，特异性分别为61.4%和62.5%。
3.4 计算效率
在单个NVIDIA Tesla T4 GPU上，独立CNN每折训练时间约54秒，CNN-双向LSTM约72秒。每片段推理延迟分别为约38毫秒和约91毫秒，表明其适用于近实时辅助筛查场景。
四、讨论与结论
讨论部分总结：研究发现表明，手工设计的频谱特征高度脆弱于身份泄漏，因为功率谱密度反映了静态解剖学特征，如颅骨厚度和电极阻抗。当同一受试者的片段同时存在于训练和测试折中时，分类器利用这些个体特异性特征作为捷径进行识别。相反，端到端卷积架构的性能退化最小，因为原始卷积滤波器关注局部时间动态而非静态功率分布，从而对身份捷径较不敏感。在架构比较方面，独立CNN优于混合CNN-双向LSTM，表明对于中等规模的生物医学队列，紧凑的卷积模型提供了更好的泛化能力。与文献的比较显示，先前利用相同数据集的研究报告了超过90%的准确率，但受试者级结果表明这些高分不能推广到未见过的个体。在临床意义上，72.7%的准确率和88.0%的敏感性不足以用于自主诊断分类，但可作为快速、低成本的预诊断筛查工具，在学校或初级保健环境中标记高风险儿童以供优先临床评估。
研究结论：本研究在121名儿童队列上评估了数据泄漏对六种模型家族在脑电ADHD分类中的影响。基于手工设计频谱特征的经典管道在从片段级切换到受试者级验证时，准确率下降超过24个百分点。相比之下，紧凑的卷积神经网络保持了72.7%的受试者独立准确率，DeepSHAP归因显示额叶-中央区通道的突出贡献，这与先前报道的ADHD相关脑电模式一致。强烈建议将严格的受试者级验证作为转化性脑电研究的最佳实践标准。
