研究背景
脑电图（EEG）基础模型（FMs）经过训练以重建或对比对齐短时间片段，然后汇聚成固定的嵌入。本文旨在测试这些嵌入是否保留了通过去趋势波动分析（DFA）指数量化的长程时间相关性（LRTC），以及这一特性是否影响跨人群转移。
研究方法
我们对五种EEG基础模型进行了探测，包括原始波形和频谱输入架构（REVE、LaBraM、BENDR、CBraMod、BIOT），在两个分布外的群体上进行比较，分析DFA指数与静态1/f非周期斜率的恢复情况。通过顺序保留和残差控制来测试汇聚或非周期阴影的影响。一个蒙太奇和谐的零样本转移任务比较了冻结嵌入与DFA指数在三个群体之间的关系（加入西方参考）。
主要结果
五种基础模型均未能在时间顺序上表示LRTC。原始波形模型（REVE、LaBraM、BENDR）既未恢复DFA指数，也未恢复1/f斜率（R^2 < 0.01）。
博主点评： 该研究揭示了EEG基础模型在处理长程时间相关性方面的不足，强调了模型设计在跨人群应用中的脆弱性。这一发现为未来EEG模型的改进提供了重要的方向，特别是在确保长程时间信息的捕捉与利用上。