地理GCN:基于EEG的听觉注意力检测的几何图形卷积网络

科学领域:

• 神经科学是一个神经科学.
• 机器学习 机器学习
• 生物工程是生物工程.

背景情况:

• 听觉注意力检测 (AAD) 使用脑电图 (EEG) 来推断语音焦点.
• 当前的方法在特征提取中往往缺乏生物可信性.

研究的目的:

• 引入一种新的几何图形卷积网络 (Geo-GCN),用于增强基于EEG的AAD.
• 为了利用物理传感器布局来实现更有生物学信息的特征学习.

主要方法:

• 开发了使用传感器距离用于邻近矩阵构建的Geo-GCN.
• 应用Geo-GCN对正常听力 (NH) 和听力受损 (HI) 参与者的EEG数据.
• 与标准图形卷积网络 (GCNs) 相比,地理GCN性能.

主要成果:

• 在AAD准确度方面,地理GCN显著超过了传统的GCN.
• 拟议的方法表明,参与者之间的绩效变化减少了.
• 在NH和HI组中都观察到一致的性能增长.

结论:

• 使用Geo-GCN显式建模头皮几何学,可以改善基于EEG的听觉注意力检测.
• 几何感知图形神经网络对异质人群,包括听力障碍者来说是有前途的.
• 这种方法为AAD提供了更强大,更有生物学依据的解决方案.