Explainable AI-aided examination of saccade preparation in human EEG signals
Notice bibliographique
Résumé
We investigated spatiotemporal patterns of neural processing underlying saccadic planning using explainable AI techniques. We recorded scalp EEG using a 64-channel BioSemi setup while participants (N = 20) completed pro-saccades to the left or right, randomly selected on each trial. A 3D adaptation of EEGNet trained with a novel data augmentation technique we developed to address the relatively small number of EEG trials (mean: 436.45 per participant, range: 273-492), successfully predicted saccade direction prior to onset with performance significantly above chance (mean AUC=0.77, p<.001, 95% CI: [0.67, 0.88]; mean accuracy=0.70, p<.001, 95% CI: [0.61, 0.79]) based on the held-out validation data. Model performance correlated strongly with dataset size for both AUC and accuracy (r=0.68, p=0.001), suggesting that sufficiency of training data was the primary limiting factor for model generalization performance. We applied a modified GradCAM algorithm to identify spatial and temporal features informing CNN predictions. Right frontal electrodes (FP2, AF4, F2, FC2, C2, CP2) were critical for predicting left saccades, while left electrodes (F1, FC1, C1, CP1) were important for right saccades. Of note, right frontal electrodes (FP2, AF4) remained critical for both directions, possibly reflecting a right-lateralized 'cognitive motor planning' signal. Temporal analysis of this signal revealed harmonic oscillations, peaking at 30Hz for both left and right saccades, consistent with low gamma band activity with a ~10ms lag for left saccades compared to right. A lateralized 'motor preparation signal' peaked during the final 32-16ms for right saccades at the left frontal electrodes. This motor preparation signal was more broadly distributed temporally for left saccades, appearing 36-24ms and 72-56ms prior to the onset of the saccade at the right frontal electrodes. We conclude that our explainable AI analysis can identify saccadic preparation signals and reveals significant asymmetries in the generation of left versus right saccades that require exploring.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».