双TTFNet:一个端到端的双分支时间和时间频率融合网络,用于在稳定状态下听觉注意力解码,听觉运动唤起了潜在的潜力
Huanqing Zhang1, Jun Xie2, Kaixuan Liu1
1School of Mechanical Engineering, Xi'an Jiaotong University, Xi'an, China.
Computers in biology and medicine
|November 13, 2025
概括
本研究介绍了双TTFNet,这是一种用于听觉脑计算机接口 (BCI) 的新型双分支神经网络. 该模型通过使用稳定状态运动听觉唤起潜能 (SSMAEPs) 显著改善了听觉注意力的解码,提高了性能和可解释性.
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:
- 使用稳定状态运动听觉唤起潜能 (SSMAEPs) 的听觉注意力解码是听觉脑电脑接口 (BCI) 的关键.
- 当前的方法在实现高解码性能和可解释性同时面临挑战.
研究的目的:
- 提出一个端到端的双分支神经网络,双TTFNet,用于增强SSMAEP解码.
- 改进时间和时间频率信息的融合,以提高BCI性能.
主要方法:
- 开发了双TTFNet,并行时间和时间频率分支,使用可学习的S-转换内核.
- 集成的双向跨分支EEG通道注意力和基于注意力的变压器,用于深度功能集成.
- 对两个和三个目标SSMAEP-BCI数据集的评估性能.
主要成果:
- 双TTFNet在各种配置中超过了最先进的方法.
- 实现了高精度 (95.08%二类,91.50%三类) 和信息传输速率 (7.94比特/分钟,11.06比特/分钟) 在5秒.
- 废弃性研究证实了注意力机制和S转换核的有效性.
结论:
- 双TTFNet为SSMAEP-BCI提供了解码性能和可解释性的协同优化.
- 该模型显示出强大的概括能力和在听觉BCI中显著的应用潜力.
