SpeechBrain-MOABB:一个开源的Python库,用于对EEG信号应用的深度神经网络进行基准测试.
Davide Borra1, Francesco Paissan2, Mirco Ravanelli3
1Department of Electrical, Electronic and Information Engineering "Guglielmo Marconi" (DEI), University of Bologna, Cesena, Forlì-Cesena, Italy.
Computers in biology and medicine
|September 12, 2024
概括
SpeechBrain-MOABB是一个新的工具包,用于基于深度学习的脑电图 (EEG) 解码. 它通过标准化协议和支持强大的超参数搜索和评估来提高可重现性和性能.
科学领域:
- 神经科学是一个神经科学.
- 机器学习 机器学习
- 信号处理 信号处理
背景情况:
- 深度学习显著推进了电脑电图 (EEG) 解码.
- 现有的开源工具缺乏全面的神经网络支持和标准化的协议,阻碍了可重现性.
- 目前的MOABB和braindecode等库在超参数搜索方面存在限制,并且对随机初始化敏感.
研究的目的:
- 介绍SpeechBrain-MOABB,这是一个基于深度学习的EEG解码管道的新型开源工具包.
- 通过提供标准化的实验协议和强大的评估方法来解决现有工具的局限性.
- 促进可复制和可靠的EEG解码管道的开发.
主要方法:
- 开发了SpeechBrain-MOABB,这是一个开源工具包,集成了深度学习用于EEG解码.
- 实施了一个完整的实验协议,标准化了超参数搜索和模型评估.
- 集成的多步骤超参数搜索和多种子培训/评估,用于可靠的性能估计.
主要成果:
- 与MOABB和braindecode相比,SpeechBrain-MOABB表现出更高的性能.
- 与MOABB相比,平均准确度提高了14.9%,与braindecode相比,平均准确度提高了25.2%.
- 确保的性能估计是强大的随机初始化可变性.
结论:
- 语音大脑-MOABB允许创建全面的,可重复的,可靠的EEG解码管道.
- 该工具包有助于神经科学家使用深度学习来进行EEG解码.
- 标准化的协议和强大的评估方法提高了EEG解码研究的可靠性.
