GAH-TNet: una red temporal jerárquica basada en la atención de gráficos para la decodificación de imágenes motoras de...

Área de la Ciencia:

• La neurociencia
• Ingeniería biomédica
• Procesamiento de señales

Sus antecedentes:

• Las interfaces cerebro-computadora (BCI) que utilizan imágenes motoras (MI) son prometedoras para la rehabilitación y la comunicación.
• Las señales de electroencefalografía (EEG) presentan desafíos debido a la baja relación señal-ruido, la no estacionalidad y la variabilidad entre sujetos, lo que dificulta la decodificación precisa.
• Los métodos existentes luchan para capturar simultáneamente patrones espaciales, locales y globales en las señales de EEG.

Objetivo del estudio:

• Desarrollar un marco avanzado de aprendizaje profundo para la decodificación mejorada de las señales de EEG de imágenes motoras.
• Abordar las limitaciones de los métodos actuales en el modelado de dinámicas espaciotemporales complejas e interacciones de canales en datos de EEG.

Principales métodos:

• Propuso la red temporal jerárquica basada en la atención del gráfico (GAH-TNet) que integra la atención del gráfico espacial y la codificación temporal jerárquica.
• Se introdujo el bloque de codificación temporal de atención de gráficos (GATE) para las dependencias espaciales y la dinámica a corto plazo.
• Desarrolló el bloque de codificación de características temporales profundas guiadas por la atención jerárquica (HADTE) para la extracción de características locales y globales a través de la atención en dos etapas y la convolución temporal.

Principales resultados:

• El GAH-TNet logró una precisión de clasificación superior en dos conjuntos de datos públicos MI-EEG, alcanzando el 86,84% en el BCI IV 2a y el 89,15% en el BCI IV 2b.
• Los estudios de ablación confirmaron la eficacia de los componentes GATE y HADTE.
• El modelo demostró sólidas capacidades de generalización en diferentes temas.

Conclusiones:

• El marco GAH-TNet propuesto modela efectivamente la dinámica espacio-temporal y la estructura topológica de las señales MI-EEG.
• Este enfoque jerárquico e interpretable ofrece un método novedoso para mejorar el rendimiento de decodificación de imágenes motoras de EEG.