脑电图基础模型中的身份陷阱：诊断审计

客观的。脑电图基础模型 (FM) 报告了临床静息态脑电图的高度准确性。然而，受试者不相交交叉验证下的高精度仍然不明确：它可以反映真正的临床生物标志物，或与标签相关的受试者身份特征。我们将其命名为“身份陷阱”，并询问是否可以在 微调 之前的表征级别上对其进行诊断。方法。我们提出了 FMScope，一种冻结表示协议，包含五种诊断：方差分解、主题轴擦除、非周期 1/f 消融、分层标签探测和主题内方向一致性。我们将其应用于 2x2 布局中四个数据集的三个预训练 FM（LaBraM、CBraMod、REVE）：标签的主题关系 x 一致的跨主题 EEG 标记的存在。主要结果。 (i) 身份陷阱是普遍的：在 12/12 对中，冻结的受试者方差是随机零值的 13-89 倍，在 微调 下的所有 12 个中均有所上升（+10 至 +63 pp）。这种优势是一个可移除的线性轴：擦除它可以改善标签解码，其中标签在受试者内变化（原代细胞中+6至+12 pp；外部群体中+4至+27 pp）。 (ii) 非周期 1/f 是一个目标载波：将其移除会使 LaBraM 和 CBraMod 上的目标探针下降 9-19 pp。 REVE 使受试者身份饱和，而没有可测量的非周期性依赖性。 (iii) 微调 仅在具有文献建立的跨主题标记的细胞中放大标签方差。意义。身份陷阱是捷径学习的一个基于物理的实例：首选线索具有可测量的生理成分，仅靠主体与不相交的分裂并不能排除它。 FMScope 将反映生物标记的增益与反映受试者身份的增益分开。