摘要 — 功能性近红外光谱 (fNIRS) 是一种非侵入性、低成本的方法，用于研究大脑的血流模式。这种模式可以让我们根据受试者的行为进行分类。在最近的研究中，大多数分类系统使用传统的机器学习算法对任务进行分类。这些方法更容易实现，但通常准确性较低。此外，在实施传统的机器学习方法之前，需要进行复杂的数据准备预处理阶段。所提出的系统使用基于双向 LSTM 的深度学习架构进行任务分类，包括使用 fNIRS 数据的心算、运动想象和空闲状态。此外，与传统方法相比，该系统需要更少的预处理，节省时间和计算资源，同时获得 81.48% 的准确率，这比使用传统机器学习算法对同一数据集获得的准确率高得多。