STeCANet:用于使用EEG-fNIRS信号的脑计算机接口系统的时空交叉注意力网络
Mohd Faisal1, Sudarsan Sahoo1, Jupitara Hazarika1
1Department of Electronics & Instrumentation Engineering, National Institute of Technology Silchar, 788010 Silchar, Assam, India.
Journal of neural engineering
|December 8, 2025
概括
这项研究介绍了STeCANet,这是一个用于大脑与计算机接口 (BCI) 的新型空间时间交叉注意力网络. 它通过自适应地融合电脑学 (EEG) 和功能近红外光谱学 (fNIRS) 信号来提高BCI性能和概括性.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 机器学习 机器学习
背景情况:
- 多模式神经成像融合通过整合互补的神经动态来提高脑计算机接口 (BCI) 的性能.
- 现有的聚变框架在时间异步和电脑学 (EEG) 和功能近红外光谱学 (fNIRS) 的自适应性整合方面扎,限制了概括.
研究的目的:
- 开发一个自适应的融合框架,以对齐和整合EEG和fNIRS表示.
- 在BCI应用中改进交叉会议和跨主题概括.
主要方法:
- 提出STeCANet,一个时空交叉注意力网络,用于基于注意力的EEG和fNIRS信号的层次对齐.
- 利用fNIRS引导的空间注意力,EEG-fNIRS时间对齐,自适应融合和对抗训练,以获得强大的交叉模式交互和时空一致性.
主要成果:
- 在运动图像,心理算术和文字生成任务中,STeCANet在会话独立和主题独立的设置中显著优于单模和多模基线.
- 废除研究证实了个别子模块和损失函数的有效性,包括域调整,提高了分类准确性和稳定性.
结论:
- STeCANet为先进的BCI应用提供了强大的和可解释的解决方案.
- 拟议的自适应融合框架有效地解决了BCI当前多式联络神经成像集成的局限性.
