Exploring sex-related Biases in Deep Learning Models for Motor Imagery Brain-Computer Interfaces
Este estudio demuestra que, aunque los modelos de aprendizaje profundo para interfaces cerebro-computadora basadas en imaginación motora mejoran el rendimiento general y ayudan a sujetos con patrones de EEG menos discriminables, las disparidades observadas entre sexos se deben principalmente a la variabilidad intrínseca de las señales cerebrales y no a sesgos inherentes en el modelo, lo que subraya la necesidad de análisis exhaustivos más allá de las métricas estándar para garantizar la equidad en estos sistemas.