Holtze et al., 2022

为什么重要

• 路线定位：ear-EEG / cEEGrid / continuous-speech AAD。
• 任务或证据：36 participants, envelope tracking/ISC/entropy
• 自研用途：Use multi-metric AAD and nested validation.

Evidence Matrix Summary

PDF Download

静态路径：/papers/19-holtze-2022.pdf

Detailed Reading Card

基本信息

• 年份/出处: 2022, Frontiers in Neuroscience, 16:869426.
• DOI: 10.3389/fnins.2022.869426.
• 路线: around-the-ear cEEGrid / continuous speech auditory attention。
• 本地文件: library/pdfs_by_category/05_open_hardware_benchmarking/19_2022_holtze_et_al_ear_eeg_measures_of_auditory_attention_to_continuous_speech.pdf

研究问题

• 目标是检验 cEEGrid 在自然连续语音场景中是否能记录 auditory attention markers，包括 speech envelope tracking、intersubject correlation (ISC) 和 spectral entropy（Abstract/Intro; PDF pp. 1-3）。
• 论文关注 unobtrusive ear-EEG 是否可用于真实听觉注意、助听设备和教育/听力场景，而不是只做短刺激 ERP（Intro/Discussion; PDF pp. 2-3, 11-13）。

硬件系统

• 电极: 左右各一片 TMSi cEEGrid，每耳 10 electrodes，双面胶固定；皮肤用 Abralyt HiCl abrasive gel 和 70% alcohol 处理，impedances < 20 kOhm（Data acquisition; PDF pp. 3-4）。
• 放大器: SMARTING 24-channel mobile amplifier，经 Bluetooth 连接记录电脑，采样 500 Hz；LSL LabRecorder 同步事件标记（Data acquisition; PDF p. 4）。
• 参考/地: 右 cEEGrid 的 R4a/R4b 作为 ground/reference；offline re-reference 到 linked mastoids，使用 L4b 的一半，L4a 为对称性被移除，最终 16 channels（Preprocessing; PDF p. 4）。

电极点位 / 布局

• cEEGrid 电极围绕耳廓布置，分析使用左右对称 16-channel montage（Preprocessing; PDF p. 4）。
• 右耳 R4a/R4b 用作 online ground/reference 后，offline montage 通过 linked mastoid 策略提高左右对称性（Preprocessing; PDF p. 4）。

实验设计

• 数据来源: 两个此前记录但未发表的 cEEGrid 数据集，同时记录过 cap EEG；本研究只分析 cEEGrid（Datasets; PDF p. 3）。
• 被试: Jaeger dataset 中 5/20 因 cEEGrid data loss 排除，Holtze dataset 21/21 纳入；合计 36 名，mean age 23.6，25 female，native German，听阈 <= 20 dB HL at 250 Hz-8 kHz，无心理/神经疾病（Participants; PDF p. 3）。
• 任务: 同时呈现两本由不同男性朗读的 audiobook，被试听一个方向/说话人并回答内容问题（Task; PDF pp. 3-4）。
• 呈现: Jaeger 用 ±45 deg loudspeakers；Holtze 用 earphones + HRTF 模拟 ±30 deg。每名被试本研究使用 3 个 10-min blocks，共 30 min，且只用 equal-volume first-block 条件（Task/Data selection; PDF p. 4）。

信号处理流程

• 软件: MATLAB R2019b、EEGLAB 2020.0、cEEGrid EEGLAB plugin 0.9（Preprocessing; PDF p. 4）。
• Timing correction: 使用 20 个 beep tones 对齐，cEEGrid N1 相对 corrected cap-EEG N1 分别平移 54 ms 和 70 ms（Preprocessing; PDF p. 4）。
• Artifact correction: ASR 来自 clean_rawdata v2.4；clean_flatlines/clean_channels disabled，clean_drift 0.25-0.75 Hz，clean_asr cutoff = 10（Preprocessing; PDF p. 4）。
• Speech envelope tracking: speech envelopes 经 Hilbert magnitude、8 Hz low-pass、64 Hz downsample；cEEGrid 2-8 Hz filtering、normalize、64 Hz downsample；用 mTRF toolbox v2.1 训练 decoder（Speech envelope tracking; PDF pp. 4-6）。
• Decoder setup: 60 s non-overlap segments，每名 30 segments；leave-one-segment-out；attentional gain = Corratt - Corrign，positive 判为正确方向。group hyperparameters 为 95-140 ms window、lambda = 10^-2（Speech envelope tracking; PDF pp. 5-6）。
• ISC: 第一 10-min block，ASR 后 1-40 Hz、250 Hz；correlated component analysis，取 top 3 components 之和；用 100 circular shifts 和 1000 label randomizations 估计 chance（ISC; PDF pp. 6-7）。
• Spectral entropy: 1-min segments，8-32 Hz multitaper，7 tapers；entropy normalized 0-1，并分析 alpha 8-12 Hz over time（Spectral entropy; PDF p. 7）。

结果

• Speech envelope tracking: no-ASR accuracy 71.3%，ASR accuracy 72.13%，ASR 提升不显著（Z = 0.84, p = 0.4）（Results; PDF p. 8）。
• Individual hyperparameters: 标准 LOOCV 下 accuracy 达 82.59%，显著高于 group-level（Z = 5.04, p < 0.001）；但 nested CV 中 accuracy 下降，group-level 反而优于 individualized（Z = -3.88, p < 0.001），显示过拟合风险（Results; PDF pp. 8-9）。
• ISC: same-attended-story 的 ISC sum 高于 other-story，t = 8.24, p < 0.001；component 1 和 2 显著，component 3 不显著；33/36 名被试 same > other（Results; PDF pp. 9-10）。
• Direction classification from ISC: left 97.83%，right 80.05%，chance 65.94%（Results; PDF p. 10）。
• Spectral entropy: grand-average entropy 随时间下降，rho = -0.81, p < 0.001；alpha power 随时间上升，rho = 0.82, p < 0.001（Results; PDF pp. 10-11）。
• 指标关系: speech envelope attentional gain 与 ISC effect 有弱相关 rho = 0.3, p = 0.04；与 spectral entropy 无显著关系（Results; PDF p. 11）。

局限

• 不是 cap-EEG 研究的独立复制，因为 cEEGrid 与 cap EEG 来自同一同步记录数据集（Discussion; PDF p. 12）。
• cEEGrid 的 ISC above-chance 比 cap EEG 更少，可能源于通道数少、空间覆盖不足且缺少 central scalp electrodes（Discussion; PDF pp. 11-12）。
• 个体化 hyperparameter 在 30 min 数据量下容易过拟合；实际应用要用 nested CV 或更多 individual calibration data（Discussion; PDF pp. 12-13）。
• ASR 对本 60 s segment 的平均准确率提升有限，但可能对更短片段或更差数据有用（Discussion; PDF p. 12）。

对自研的启发

• continuous-speech cEEGrid 分析不应只看单一 decoder accuracy；ISC、entropy 和 attention gain 可形成多指标证据链。
• 个体化模型必须用严格嵌套验证，尤其当每名被试只有 30 min 数据时。
• 若要做 real-world hearing/AAD，应显式记录 presentation geometry、timing correction、segment length 和 channel symmetry。

Metadata

Evidence Groups

Local Evidence Sources

• Source PDF path: US-pdf/Ear-EEG Measures of Auditory Attention to Continuous Speech.pdf
• Public PDF path: /papers/19-holtze-2022.pdf
• Categorized PDF path: library/pdfs_by_category/05_open_hardware_benchmarking/19_2022_holtze_et_al_ear_eeg_measures_of_auditory_attention_to_continuous_speech.pdf
• Extracted text path: library/texts/05_open_hardware_benchmarking/19_2022_holtze_et_al_ear_eeg_measures_of_auditory_attention_to_continuous_speech.txt
• Detailed card source: library/DETAILED_PAPER_CARDS_BATCH_4.md
• Page-level evidence index: library/EVIDENCE_INDEX.md

Close Reading Checklist

• Verify exact figures, tables, page numbers, and statistics against the local PDF before formal citation.
• Keep missing parameters as Not reported unless the PDF or supplementary material confirms them.
• Mark any cross-paper synthesis as interpretation rather than a single-paper claim.