自动编码器的门控制机制用于EEG信号重建
Kangjing Li1, Heba El-Fiqi1, Min Wang1,2
1School of Systems and Computing, University of New South Wales, Canberra, ACT 2612, Australia.
Sensors (Basel, Switzerland)
|September 19, 2025
概括
这项研究通过开发加权门层自编码器 (WGLAE) 的新门机制来增强电脑电图 (EEG) 信号重建. 整合物理通道位置可以改善学习EEG通道关系.
科学领域:
- 神经科学是一个神经科学.
- 信号处理 信号处理
- 机器学习 机器学习
背景情况:
- 脑电图 (EEG) 对于脑电脑接口至关重要,但容易受到噪音和信号损失的影响.
- 手动移除受污染的EEG段限制了需要连续数据的实际应用.
- 之前的工作引入了权重门层自编码器 (WGLAE) 用于EEG时间序列分析.
研究的目的:
- 调查和验证WGLAE中门机制对于学习EEG通道关系的重要性.
- 设计和评估结合EEG通道位置和物理含义的新门控制机制.
- 评估这些机制对EEG信号重建的影响.
主要方法:
- 开发了WGLAE的新门控制机制,集成了EEG频道空间信息.
- 在一个开放的EEG数据集上训练并测试了增强的WGLAE模型,使用各种刺激.
- 分析了不同门关策略对EEG信号重建精度的影响.
主要成果:
- 拟议的门控制机制显著影响了EEG信号的重建.
- 将物理EEG通道位置纳入封闭机制会影响学习通道间的关系.
- 不同的网关方案在信号重建中产生不同程度的有效性.
结论:
- 封闭机制对于使用WGLAE有效处理EEG信号至关重要.
- 整合空间信息增强了WGLAE模拟复杂EEG通道依赖性的能力.
- 对位置感知门的进一步研究可以优化EEG信号恢复和分析.
