基于树模型的可解释EOG眼动注视分类：SHAP与LIME分析

《PLOS One》：Interpretable EOG-based gaze classification using tree-based models: A SHAP and LIME analysis

　　

摘要专业翻译 眼电图（Electrooculography, EOG）是一种用于基于注视的人机交互的低成本生物信号模态，但可靠的验证和模型可解释性仍然是基于机器学习（Machine Learning, ML）的注视分类所面临的重要挑战。本研究提出了一种使用UNIOVI-EOG数据集的可解释EOG注视分类框架。来自九名参与者的水平和垂直EOG记录被转换为100 ms无重叠窗口，仅保留标签纯度至少为90%的稳定窗口。研究人员提取了时域窗口特征，并在受试者级别五折交叉验证（subject-wise five-fold cross-validation）下使用决策树（Decision Tree）、随机森林（Random Forest）、XGBoost和CatBoost分类器进行评估，确保验证折中的参与者不包含在训练集中。最终数据集包含81,481个可接受窗口，涵盖九个注视类别。所有模型均取得了非常高的受试者级别性能，其中随机森林提供了最强的总体结果。高性能与受控注视方案以及水平和垂直EOG幅度模式的强可分离性一致，这一点得到了简单平均幅度基线和泄漏诊断分析的支持。模型可解释性使用SHapley Additive exPlanations（SHAP）和局部可解释模型无关解释（Local Interpretable Model-Agnostic Explanations, LIME）进行评估。解释结果表明，幅度相关特征，尤其是通道均值、中位数、分位数和绝对均值，是分类决策的主要贡献因素。SHAP–LIME秩相关和基于置换的忠实性分析为解释提供了额外的定量支持。这些发现表明，在受控实验条件下，泄漏控制、窗口级别的可解释机器学习可以为EOG注视分类提供准确且生理学上可解释的结果。

论文解读

一、研究背景与问题

眼电图（EOG）是一种通过测量角膜与视网膜之间的电位差来记录眼球运动的非侵入性方法，因其简单、低成本且在不同环境中具有稳健性，被广泛应用于生物医学和辅助技术领域，包括人机交互（HCI）系统、机械臂控制和基于眼动的打字等应用。随着EOG信号在实际应用中的使用不断增加，机器学习模型的分类性能和透明度都成为重要考量。在生物医学和辅助技术中，理解模型如何做出特定决策往往与预测本身同样重要，因为这些决策可能影响用户交互或系统行为。

尽管树基算法如决策树（DT）、随机森林（RF）、XGBoost和CatBoost因其高效性、强性能和处理非线性数据模式的能力而被广泛使用，但这些模型常被视为"黑箱"，其内部结构的复杂性限制了它们在医疗和辅助系统等敏感领域的采用。为应对这一问题，可解释人工智能（XAI）领域受到关注，旨在提供模型预测过程的深入洞察。SHAP和LIME是两种广泛使用的模型无关XAI方法，但在EOG分类中仍相对未被充分探索。

此外，近期生物信号分析研究表明，评估协议可能显著影响分类性能报告，训练和测试数据之间的受试者重叠或时间相邻样本的使用可能导致过于乐观的结果。大多数现有EOG分类研究专注于实现高准确率，但对模型如何做出决策几乎没有提供洞察。本研究旨在填补这一空白，通过应用多种树基分类器进行EOG信号分类，并使用SHAP和LIME解释模型行为，识别最有影响力的特征，支持可解释和可靠的EOG生物医学系统开发。

二、研究内容与结论

研究人员提出了一种可解释的EOG注视分类框架，使用UNIOVI-EOG数据集，包含九名健康成年参与者在受控注视任务中的水平和垂直双极EOG记录，采样频率为1 kHz。原始EOG记录被转换为100 ms无重叠窗口，仅保留标签纯度至少90%的稳定窗口，最终数据集包含81,481个可接受窗口，涵盖九个注视类别。研究采用受试者级别五折交叉验证，确保验证折中的参与者不在训练集中出现，以更保守地估计模型对未见参与者的泛化能力。

研究结果表明，所有四种树基模型在受试者级别验证下均取得了非常高的分类性能，其中随机森林表现最强，在所有报告指标上均达到完美平均分数。决策树、CatBoost和XGBoost也产生了极高且稳定的结果。泄漏诊断分析显示，打乱标签的健全性检查产生接近随机水平的性能，时间/顺序仅基线性能远低于基于EOG特征的模型，而仅使用水平和垂直平均幅度的简单生理基线达到了完美分类性能，表明该受控数据集中注视类别具有高度可分离性。

三、关键技术方法

研究人员使用了以下主要技术方法：窗口级样本构建（将原始EOG信号转换为100 ms无重叠窗口，应用90%标签纯度标准）；时域特征提取（从水平和垂直EOG通道提取均值、标准差、最小值、最大值、中位数、分位数、四分位距、范围、平均绝对幅度、能量、线性斜率等特征，以及跨通道相关特征）；受试者级别分组交叉验证（五折，参与者标识符作为分组变量）；四种树基分类器（决策树、随机森林、XGBoost、CatBoost，使用固定超参数设置）；泄漏诊断分析（打乱标签健全性检查、时间/顺序仅基线、平均幅度基线）；SHAP和LIME可解释性分析；SHAP–LIME秩相关分析和基于置换的特征忠实性分析。

四、研究结果

窗口级数据集与类别分布

经过窗口级样本构建程序后，共保留81,481个可接受EOG窗口。类别分布呈现中度不平衡，中心注视类别（0_0）最为频繁，占20.62%，最不频繁的类别为0_1，占6.41%。由于存在不平衡，评估不仅基于准确率，还报告了平衡准确率、宏F1分数、宏精确率、宏召回率、加权F1分数和马修斯相关系数。

受试者级别验证与泄漏诊断

受试者级别交叉验证确保同一参与者的样本不会同时出现在训练和验证子集中。打乱标签健全性检查中，决策树模型达到的平均准确率为0.123，接近九类分类任务的随机水平。时间/顺序仅基线产生的平均准确率为0.243，远低于基于EOG特征的模型。简单平均幅度基线在所有折中实现完美分类性能，表明该受控数据集中注视类别可主要通过两个EOG通道的平均幅度水平进行区分。

受试者级别分类性能

随机森林在所有指标上均达到1.000的平均值。决策树平均准确率为0.99999，CatBoost为0.99994，XGBoost为0.99985。各折间标准差很小，表明分类性能在持出参与者间保持稳定。所有模型的高性能应在受控实验方案和窗口级EOG幅度特征强可分离性的背景下理解。

全局SHAP特征重要性

SHAP分析显示，随机森林模型最高的全局SHAP贡献主要来自水平和垂直EOG通道的集中趋势和幅度分布特征，包括h_q75、v_mean、v_q75、h_mean、h_median、v_q25、v_median、v_abs_mean、h_q25和h_abs_mean。变异性相关和跨通道相关特征如h_std、v_std、h_range、v_range、h_iqr、v_iqr和hv_corr的SHAP重要性较低，表明注视分类主要由稳定的幅度级特征驱动。

类别级别SHAP解释

类别级别SHAP分析显示，水平注视类别主要与水平通道幅度特征相关，垂直和对角线类别则显示水平和垂直特征的组合贡献。对角线注视类别的特征贡献反映其二维性质。中心注视类别（0_0）主要通过两个EOG通道幅度级特征的差异与方向性注视类别区分。

LIME解释与SHAP–LIME一致性

SHAP–LIME秩相关结果显示，随机森林、CatBoost和XGBoost具有强且统计显著的协议，表明局部LIME解释与全局SHAP特征重要性模式总体一致。随机森林一致性最高，其次是CatBoost和XGBoost。决策树显示弱且不显著的协议，表明单树模型的解释稳定性较低。

基于置换的特征忠实性分析

决策树模型对多个单独EOG特征高度敏感，v_energy置换使宏F1降低0.487，h_abs_mean、h_q75、v_min和h_mean分别降低0.340、0.282、0.227和0.149。集成模型在单特征置换后性能下降很小，表明它们依赖冗余且互补的幅度相关特征而非单一特征。

五、讨论与结论

讨论部分指出，EOG信号具有时间依赖性，相邻样本不能视为完全独立的观测，因此对单个时间点进行分类可能导致过于乐观的结果。通过构建100 ms窗口并仅保留标签纯度至少90%的窗口，分析聚焦于稳定注视状态，减少了注视目标间转换期的影响。受试者级别验证和诊断分析进一步支持了结果的可信度。所有参与者、会话、时间顺序和标签纯度元数据均从模型特征矩阵中排除，排除了参与者特定模式被学习的可能性。

研究存在若干局限性：基于单一公共数据集且仅九名参与者，限制了广泛人群泛化的能力；记录在受控实验条件下获得，结果可能不直接代表现实世界辅助接口的性能；模型使用固定超参数而非嵌套超参数优化；特征归因不存在绝对真实值。未来工作应在外部EOG数据集、更大参与者群体、跨会话记录和更现实的在线注视控制场景中验证该框架。

结论部分总结，本研究提出了一种使用受试者级别验证、窗口级特征提取和互补可解释性分析的可解释机器学习框架用于EOG注视分类。方法设计避免了随机时间点分割，从模型输入中排除了参与者和时间元数据，并在持出受试者上评估性能。结果表明，UNIOVI-EOG数据集中九个注视类别使用生理学上有意义的水平和垂直EOG特征高度可分离，所有评估的树基模型均实现了强分类性能。SHAP和LIME分析显示模型决策主要由与EOG信号方向特征一致的幅度相关特征驱动，定量一致性和忠实性分析为框架的可解释性提供了额外支持。本研究的主要贡献在于将泄漏控制的受试者级别评估与窗口级EOG特征提取和定量XAI验证相结合，为EOG注视分类提供了更透明和方法论上更稳健的方法。