一个主体传输神经网络融合了基于EEG的运动图像分类的生成器和欧几里德对齐
Chengqiang Xie1, Li Wang1, Jiafeng Yang1
1School of Electronics and Communication Engineering, Guangzhou University, Guangzhou 510006, China.
Journal of neuroscience methods
|May 11, 2025
概括
这项研究引入了一种新的深度学习模型,通过转移EEG数据分布来提高脑计算机接口 (BCI) 的准确性. 主体传输神经网络 (ST-GENN) 有效地解决大脑信号的个体差异,以提高BCI可用性.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 生物医学工程 生物医学工程
背景情况:
- 大脑-计算机接口 (BCI) 通过认知过程实现设备控制.
- 电脑电图 (EEG) 信号的个体变异性对BCI系统的利用构成了重大挑战.
研究的目的:
- 开发一个转移学习模型来解决EEG信号的变化.
- 为了提高BCI系统的分类准确性.
主要方法:
- 提出了一个主体传输神经网络,将生成器与欧几里德对齐 (ST-GENN) 结合起来.
- 该模型在欧几里德空间中对齐EEG信号,使用生成器进行特征转移,并使用卷积注意力时间 (CAT) 分类器.
主要成果:
- 该ST-GENN模型在BCI竞争IV 2a上实现了82.85%的分类准确率,在IV 2b上达到86.28%的分类准确率,在SHU数据集上达到67.2%的分类准确率.
- 拟议的方法证明了对变异的稳定性,高达15.43%的表现优于基线算法.
结论:
- ST-GENN模型有效地将知识转移到各个领域之间,弥合了个别EEG差异造成的差距.
- 这种方法提高了运动图像BCI (MI-BCI) 系统的可行性和性能.
