GSANet:基于图表注意力和自我注意力在听觉注意力检测中的EEG解码研究
Yuanlin Dong1, Rui Dai1, Tiancheng Xie1
1College of Electronic and Optical Engineering & College of Flexible Electronics (Future Technology), Nanjing University of Posts and Telecommunications, Jiangsu, 210023 China.
Cognitive neurodynamics
|November 11, 2025
概括
这项研究介绍了GSANet,这是一种使用电脑电图 (EEG) 信号检测听觉注意力的新型模型. 通过模拟大脑机制,GSANet有效地解码注意力,在杂的环境中实现高精度.
科学领域:
- 神经科学是一个神经科学.
- 机器学习 机器学习
- 信号处理 信号处理
背景情况:
- 人类可以在杂的环境中集中听觉注意力.
- 听觉注意力是一种动态的大脑活动,使用脑电图 (EEG) 追踪.
- 现有的基于EEG的听觉注意力检测 (AAD) 方法需要改进.
研究的目的:
- 提出GSANet,一种基于EEG的听觉注意力检测的新型神经网络模型.
- 利用自我注意力和图表注意力机制来建模时间动态和EEG信号中的频道重要性.
- 为了提高听觉注意力检测分类器的性能.
主要方法:
- 开发了一种神经网络GSANet,该神经网络结合了对时间EEG动态的自我注意力和对道权重的注意力图.
- 在模型架构中模拟人类神经注意力机制.
- 在两个公共EEG数据集 (KUL和DTU) 上训练和评估GSANet.
主要成果:
- 实现了高解码精度的94.5% (KUL) 和79.2% (DTU) 的1秒的决策窗口.
- 在所有测试条件下,GSANet的表现明显优于现有的基线模型.
- 证明了该模型在提取歧视性EEG表示中的有效性.
结论:
- GSANet提供了一种强大的方法,可以准确地检测EEG信号的听觉注意力.
- 该模型模拟神经注意力机制的能力有助于其高性能.
- 提出的方法显示了需要听觉注意力监测的现实应用的巨大潜力.
