机构名称：
¥ 1.0
摘要 —基于运动想象的脑机接口已广泛应用于神经康复。运动想象脑电图 (MI-EEG) 是指人们想象自己的身体在没有实际动作的情况下运动的脑电信号。患有运动障碍的人可以通过脑电图 (EEG) 解码来控制外部设备。然而，由于脑电图的复杂性和非平稳性，解码仍然存在各种挑战。如何提高脑电图解码的准确性和鲁棒性仍然是一个有待研究的关键问题。在本文中，首次引入了一种基于自注意的卷积神经网络 (CNN) 结合频带-时间带共同空间模式 (FTBCSP) 进行四类 MI-EEG 分类。基于自注意的 CNN 用于原始数据以获得通道权重并强化空间信息。共同空间模式 (CSP) 是一种广泛应用于 MI-EEG 解码的算法，可以提取两个类之间的判别特征。将经过 CSP 算法处理后的特征与上述空间信息相结合完成分类。我们在公开的多类 MI 数据集上验证了该方法，平均准确率为 78.12%，优于其他传统方法。证明了所提方法充分利用了脑电信号的时空信息，在公开数据集上获得了优异的分类性能。
基于自我的运动想象脑电图分类 - 刘国阳
主要关键词
相关文件推荐
