机构名称：
¥ 2.0
在本文中，提出了基于混合域的深度学习（DL）神经系统，以从脑电图记录（EEG）记录中解释手部运动制备阶段。该系统利用从时间域和时频域中提取的构建，作为混合策略的一部分，以区分暂时窗口（即，EEG时期）前面的手部副群（开放/关闭）和休息状态。对于每个EEG时期，分别通过波束成形和连续的小波变换（CWT）估算了运动皮层中相关的皮质源信号和相应的时频（TF）图。设计了两个卷积神经网络（CNN）：具体而言，第一个CNN在时间（T）数据的数据集（即EEG来源）上进行了训练，并被称为T-CNN；第二个CNN通过TF数据数据集（即脑电图源的TF-MAP）进行了训练，并称为TF-CNN。分别从T-CNN和TF-CNN中提取的两组特征和TF-特征分别在单个特征向量（表示为TTF-Features矢量）中串联，该功能用作输入，用于输入标准的多层clas-si i sii-siie-siifination-Filefips。实验结果表明，与基于时间和仅频率的基准基准方法相比，我们所提出的杂种域DL方法的性能有了显着的性能提高，达到76.21±3.77％的平均准确性。
地中海雷吉奥·卡拉布里亚大学
主要关键词
相关文件推荐
