GAH-TNet: EEGモーター画像の解読のためのグラフ注意力ベースの階層的な時間ネットワーク

科学分野:

• 神経科学
• 生物医学工学
• 信号処理

背景:

• 運動画像 (MI) を用いた脳コンピュータインターフェース (BCI) は,リハビリテーションとコミュニケーションの有望さを示しています.
• 電気脳波 (EEG) 信号は,信号と騒音の比率が低いこと,非静止性,および被験者間の変動性により,正確な解読を妨げます.
• 既存の方法は 空間的・局所的・グローバルなパターンを 同時に捉えるのに苦労しています

研究 の 目的:

• 運動画像のEEG信号の解読を強化するための高度なディープラーニングフレームワークを開発する.
• 複雑な時空ダイナミクスとEEGデータにおけるチャネル相互作用のモデリングにおける現在の方法の限界に対処する.

主な方法:

• グラフ注意に基づく階層時間ネットワーク (GAH-TNet) を提案し,空間グラフ注意と階層時間エンコーディングを統合した.
• 空間的依存と短期的なダイナミクスのためのグラフ・アテンション・テンポラル・エンコーディング・ブロック (GATE) を導入した.
• 2段階の注意と時間収束によるローカルとグローバル特征抽出のための階層的注意誘導深層時間特征エンコーディングブロック (HADTE) を開発した.

主要な成果:

• GAH- TNetは2つの公開MI- EEGデータセットで優れた分類精度を達成し,BCI IV 2aでは86. 84%,BCI IV 2bでは89. 15%に達しました.
• GATEとHADTEの有効性を確認した.
• このモデルは様々な分野にわたる 強力な汎用性を示した.

結論:

• 提案されたGAH-TNetフレームワークは,MI-EEG信号の時空ダイナミクスとトポロジック構造を効果的にモデル化しています.
• この階層的で解釈可能なアプローチは,EEGモーター画像の解読性能を改善するための新しい方法を提供します.