ATCRN:P300拼音器的注意引导时间卷积混音网络
Binghao Shi1, Mengxue Liu1, Yanjiang Wang1
1The College of Control Science and Engineering, China University of Petroleum(East China), Shandong Qingdao 266580, China.
Journal of neuroscience methods
|February 28, 2026
概括
本研究介绍了注意引导的时间卷积复杂网络 (ATCRN),以改善大脑与计算机接口 (BCI) 通信. 该ATCRN模型通过有效处理杂的EEG信号和可变的P300响应来提高P300拼写器的性能.
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
- 信号处理 信号处理
背景情况:
- 大脑-计算机接口 (BCI) 使用P300事件相关的潜力进行通信.
- 由于低的EEG信号噪声比率和P300的时间变化性,P300拼写器面临着挑战.
研究的目的:
- 为P300拼写器开发一个先进的解码框架.
- 提高BCI通信系统的准确性和效率.
主要方法:
- 提出了注意力引导的时间卷积复杂网络 (ATCRN),这是一个端到端的深度学习模型.
- 集成了一个新的时间卷积复杂网络 (TCRN),具有多层次的跳过连接,用于时间特征融合.
- 采用双重注意力机制 (CBAM和ECA) 来抑制噪音和重新校准通道.
主要成果:
- 在BCI竞争III数据集II上实现了高的字符识别率 (99%和98%).
- 在ALS患者中证明了卓越的信息传输速率和强大的P300检测 (平均AUC-ROC0.882).
- 超越了现有的基于CNN,TCN和变压器的模型,取得了最先进的结果.
结论:
- ATCRN为P300拼写器提供了一个强大的和有效的解码框架.
- TCRN和双重注意力机制的协同作用解决了BCI性能的主要局限性.
- 这种方法为未来的BCI应用提供了实际的进步.


