去除伪迹改善皮肤电波形，但未改善虚拟现实平衡任务中的后续分类

arXiv:2610.07438v1 公告类型：cross 摘要：在对皮肤电活动（EDA）进行分类之前，通常会先去除伪迹，因为人们假设更干净的信号有助于做出更好的判断。我们在一项虚拟现实（VR）平衡扰动任务中检验了这一假设。我们使用一个包含专家校正 EDA 的基准数据集训练了一个残差门控网络，将其冻结后应用于 VR 记录；在相同的留一参与者交叉验证评估下，采用五种已发表的时间序列方法分别对原始信号和门控信号进行分类。在基准数据集上，该门控网络能够较好地检测伪迹（记录级 AUROC 中位数为 0.94），并将伪迹区域内的误差降低了 17.8%。但在 VR 任务中，它并未改善分类结果。平衡准确率的变化范围为 -1.35 至 +0.93 个百分点，没有任何分类器得到提升，且有两个分类器的准确率下降；五个分类器相对于原始输入的表现均处于 +/- 3.32 个百分点以内的等效范围。波形层面的收益在决策层面消失了。降低波形误差的校正方法也使全部 43 条基准记录中的皮肤电反应检测率下降。处理后，92.8% 的预测结果保持不变；发生变化的预测中，被纠正和被破坏的比例相近。VR 记录本身也几乎没有受到污染（估计仅有 4.6% 的样本受到影响）；即使完美定位人为注入的伪迹，在最敏感的分类器中也只能恢复 3.3 个百分点的性能。总体上，伪迹水平与准确率之间 11.3 个百分点的关联在参与者内部消失为 0.1 个百分点，这表明个体间差异可能会让信号清理看起来有用。预处理应根据其所支持的决策进行评估，并与未经处理的对照分支进行比较。