对自然声音刺激的脑电图反应进行分类具有理论和实践意义,但标准方法受限于对非常短的声音片段(几秒或更短)的各个通道分别处理。最近的发展表明,通过从脑电图中提取频谱成分并使用卷积神经网络(CNN),可以对音乐刺激(约 2 分钟)进行分类。本文提出了一种有效的方法,将原始脑电图信号映射到所听的单首歌曲,以进行端到端分类。脑电图通道被视为 [ 通道 × 样本 ] 图像图块的一个维度,并使用 CNN 对图像进行分类。我们的实验结果(88.7%)可与最新方法(85.0%)相媲美,但我们的分类任务更具挑战性,因为我们需要处理感知质量彼此相似且参与者不熟悉的较长刺激。我们还采用了使用预先训练的 ResNet-50 的迁移学习方案,证实了尽管图像域彼此不相关,但迁移学习仍然有效。
![arXiv:2202.03265v1 [eess.SP] 2022 年 1 月 31 日PDF文件第1页](/bimg/5/51eabc44c97507e874de5f89b0bc3aa1f8753b08.webp)
![arXiv:2202.03265v1 [eess.SP] 2022 年 1 月 31 日PDF文件第2页](/bimg/4/42957f694fbc622279850f9b16ca2823e8b493f4.webp)
![arXiv:2202.03265v1 [eess.SP] 2022 年 1 月 31 日PDF文件第3页](/bimg/9/9921c8d5d853590d4ed679056b89a6ce78f17132.webp)
![arXiv:2202.03265v1 [eess.SP] 2022 年 1 月 31 日PDF文件第4页](/bimg/f/fe7a9c1e83e6bf4b4994aa9fc3ed3f3276fb1476.webp)
![arXiv:2202.03265v1 [eess.SP] 2022 年 1 月 31 日PDF文件第5页](/bimg/2/2d6400ebed5cd892dfe7e6b32e916845cc5d0905.webp)

![arXiv:2202.03265v1 [eess.SP] 2022 年 1 月 31 日](/simg/e/ef3aaae6a3416d7fe09c43f50595eed1f833b5f3.webp)