一个新的STA-EEGNet结合频道选择来分类2D和3D虚拟现实中唤起的EEG
MingLiang Zuo1, XiaoYu Chen2, Li Sui1
1School of Health Science and Engineering, University of Shanghai for Science and Technology, Shanghai 200093, PR China.
Medical engineering & physics
|June 13, 2025
概括
本研究介绍了STA-EEGNet,这是一个新的模型,通过使用时空注意力来改进虚拟现实 (VR) 中的脑电图 (EEG) 分类. 这一进步增强了脑计算机接口 (BCI) 应用.
科学领域:
- 神经科学和认知科学 神经科学和认知科学
- 计算机科学和人工智能 人工智能
- 人与计算机的交互
背景情况:
- 虚拟现实 (VR) 在各个领域提高了用户参与度和任务效率,提供了沉浸式的3D体验.
- 在VR中理解神经机制对于推进脑计算机接口 (BCI) 至关重要.
研究的目的:
- 研究对2D和3D虚拟现实刺激的反应中的脑电图 (EEG) 分类.
- 引入和评估STA-EEGNet,这是一个新型模型,用于VR环境,增强EEGNet的时空注意力 (STA).
- 探索最佳通道选择对VR中的EEG分类准确性的影响.
主要方法:
- 开发STA-EEGNet,将时空注意力集成到EEGNet架构中.
- 使用单向差异分析 (ANOVA) 来优化频道选择.
- 在STA-EEGNet和使用VR刺激的传统EEGNet之间进行了比较实验.
主要成果:
- 与传统的EEGNet相比,STA-EEGNet在对VR唤起的EEG数据进行分类方面表现出更好的表现.
- 通过优化频道选择,实现了99.78%的最高分类准确度.
- 时空注意力和最佳通道选择显著改善了EEG信号分类.
结论:
- 将时空注意力与像EEGNet这样的紧卷积神经网络集成,对VR应用非常有益.
- 这些发现提升了神经解码,并通过改善沉浸式环境中的EEG信号分类来优化BCI应用.
- 最佳的通道选择进一步提高了基于VR唤起的EEG数据的注意力模型的有效性.
