一个多功能融合图表注意力网络,用于解码脊髓损伤患者的运动图像意图
Jiancai Leng1, Licai Gao1, Xiuquan Jiang1
1International School for Optoelectronic Engineering, Qilu University of Technology (Shandong Academy of Sciences), No. 3501 University Road, Jinan, Shandong Province 250353, People's Republic of China.
Journal of neural engineering
|November 18, 2024
概括
这项研究引入了一种新的图表注意力网络 (GAT),用于识别脊髓损伤患者的运动图像意图,使用脑电图 (EEG) 数据,实现高精度.
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
- 信号处理 信号处理
背景情况:
- 脑电图 (EEG) 信号具有复杂的时间-频率-空间特征.
- 大脑表面的非欧几里德拓构成了分析EEG数据的挑战.
- 准确的运动图像 (MI) 意图识别对于脊髓损伤 (SCI) 患者至关重要.
研究的目的:
- 开发一种新的时空-频率-空间多域特征融合图注意力网络 (GAT),用于SCI患者的MI意图识别.
- 增强对SCI患者在MI任务期间大脑活动机制的理解.
主要方法:
- 用于空间相连接的利用相锁值 (PLV) 和用于时间频率分析的连续波量变换.
- 模拟的EEG数据作为图形结构,包含多域信息.
- 使用封闭的循环单元和GAT来学习动态的时空EEG特征.
主要成果:
- 通过10x10倍交叉验证,实现了95.82%的平均准确性.
- 分析了与事件相关的脱同步/同步和PLV脑网络.
- 在心脏病发作期间探索SCI患者的大脑活动模式.
结论:
- 拟议的GAT模型表明,在SCI患者中,EEG解码具有显著的潜力.
- 提供了对SCI中MI背后的神经活动机制的宝贵见解.
- 为SCI康复中大脑与计算机接口的未来研究提供参考.
更多相关视频
10:14Author Spotlight: Enhancing Neurorehabilitation Through EEG, Motor Imagery, and Virtual Reality
Published on: May 10, 2024
892
11:31Functional Near Infrared Spectroscopy of the Sensory and Motor Brain Regions with Simultaneous Kinematic and EMG Monitoring During Motor Tasks
Published on: December 5, 2014
15.1K