空間的注意とフィルターバンク技術によるxLSTMベースのディープラーニングによる強化されたSSVEPバイオニックスペリング

科学分野:

• 神経科学
• コンピュータ科学
• 生物医学工学

背景:

• 安定状態の視覚誘発ポテンシャル (SSVEP) は,特にアファジアの患者にとって,脳-コンピュータインターフェース (BCI) に非常に重要です.
• 既存のトランスフォーマーベースの方法は,しばしばSSVEP周波数情報を過小利用し,冗長な計算を伴う.

研究 の 目的:

• 強化されたSSVEP信号分析のための新しいディープラーニングアーキテクチャ,SED-xLSTMを提案する.
• SSVEPベースのBCIの効率と精度を向上させ,時間と周波数領域の情報を統合する.

主な方法:

• xLSTMモデルと空間的注意力メカニズム (SED-xLSTM) を含むスタックされたエンコーダー-デコーダー (SED) ネットワークアーキテクチャを開発した.
• 低チャネルスペクトログラムを入力として利用し,フィルターバンク技術を適用してハーモニック情報を捕捉した.
• 高次元空間チャネルセマンティック機能の効率的な抽出と融合のためのゲーティングメカニズムを使用しています.

主要な成果:

• SED-xLSTMは3つの公開データセットの分類精度と情報転送速度において優れたパフォーマンスを示しました.
• このモデルは,特に異なる時間スケールでのクロス検証シナリオでは,既存の方法を上回りました.
• SSVEP信号からの空間チャンネルセマンティック特性の有効な抽出と融合が達成されました.

結論:

• SED-xLSTMは,SSVEPベースのBCIスペラーにおいて,特にアファシアのある個人に重要な進歩をもたらします.
• 提案されたアーキテクチャは,時間と周波数ドメインの情報を効果的に活用して,BCIのパフォーマンスを改善します.
• この研究では,xLSTMと空間的注意がBCIアプリケーションの複雑な神経信号を分析する可能性を強調しています.