STGAT-CS:基于MI的BCI的基于空间时间图的注意网络的通道选择.

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
• 机器学习 机器学习

背景情况:

• 运动成像脑电脑接口 (BCI) 依赖多通道电脑电图 (EEG) 进行准确的信号捕获.
• 过度的EEG通道引入噪音和冗余,降低BCI性能.
• 现有的EEG通道选择方法通常需要手动的特征提取,这限制了它们的有效性.

研究的目的:

• 为BCI应用提出一个自动化和有效的EEG通道选择方法.
• 通过减少EEG信号中的冗余信息和噪声来提高BCI性能.

主要方法:

• 开发了一个空间时间图注意力网络用于频道选择 (STGAT-CS).
• 以图形形式建模了EEG通道及其连接性,将通道选择视为节点分类问题.
• 利用多头注意力来捕捉动态的拓关系和1D卷积来自动提取时间特征.

主要成果:

• 在BCI竞争III数据集IVa.上获得了91.5%的准确性.
• 在BCI竞争IV数据集I上实现了85.4%的准确性.
• 证明了STGAT-CS在改善BCI的EEG信号处理方面的有效性.

结论:

• 拟议的STGAT-CS方法为BCI中的EEG通道选择提供了一种有效的方法.
• 自动的时空特征提取和基于图表的选择提高了BCI的准确性.
• 这种方法解决了以前的道选择技术中手动特征提取的局限性.