基于自我注意的部分先前转移学习CNN用于脑电图解码中风患者
Jun Ma1, Wanlu Ma2, Jingjing Zhang3
1Department of Rehabilitation Medicine, Tong Ren Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, 200336, China. mj1990@shu.edu.cn.
Scientific reports
|November 15, 2024
概括
这项研究引入了一种新的自我注意卷积神经网络与部分先前转移学习 (SACNN-PPTL),以增强运动图像脑电脑接口 (MI-BCI) 解码,用于中风康复. 新方法显著提高了复杂的上肢任务的分类准确性.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 基于运动图像的脑计算机接口 (MI-BCI) 帮助中风患者激活大脑运动区域.
- 多任务上肢MI有利于康复,但会带来解码挑战.
研究的目的:
- 提出一种新的方法,SACNN-PPTL,用于改善中风患者的MI-BCI分类性能.
- 为了增强复杂的解码,多任务运动图像用于上肢康复.
主要方法:
- 开发了一个自我注意卷积神经网络 (SACNN),包含时间,空间和特征概括模块.
- 实施部分先前转移学习 (PPTL) 以平衡模型概括性和目标领域特异性.
- 根据五个骨干网络和三种培训模式对SACNN-PPTL进行了评估.
主要成果:
- 在22名中风患者中,SACNN-PPTL在四种类型的MI任务中实现了55.4%±0.17的分类准确度.
- 这种准确性明显高于所有比较算法 (P < 0.05).
结论:
- SACNN-PPTL有效地提高了用于中风康复的MI任务的解码性能.
- 拟议的方法表明,它有望推进基于BCI的康复策略,以单方面恢复上肢.
