基于通道组合-数据对齐-多尺度全局CNN的MI-EEG分类 |
| |
引用本文: | 武岩,满建志,宋雨,李奇.基于通道组合-数据对齐-多尺度全局CNN的MI-EEG分类[J].重庆理工大学学报(社会科学版),2024(3):102-112. |
| |
作者姓名: | 武岩 满建志 宋雨 李奇 |
| |
作者单位: | 1. 长春理工大学计算机科学技术学院;2. 长春理工大学中山研究院 |
| |
摘 要: | 由于运动想象脑机接口(MI-BCI)范式不需要视觉刺激,应用MI-BCI范式在提高人机交互系统舒适度方面具有重要意义。为实现辅助设备的异步控制,提高模型的鲁棒性,减少通道使用数量以降低BCI系统输入的复杂性,提出一种基于通道组合(channel combination, CC)-数据对齐(euclidean space data alignment, EA)-多尺度全局卷积神经网络(multiscale global convolutional neural network, MGCNN)的运动想象脑电分类方法。通过引入大脑静息状态下的脑电信号,扩展MI-BCI输出指令集;利用CC将22通道脑电数据重构为左右对称通道加中间通道的3通道形式,重构后的数据经过EA方法规范后作为网络输入;构建多尺度卷积模块与全局卷积模块,并行提取脑电信号的局部特征和ERS/ERD全局特征;利用迁移学习提升模型的解码能力。结果表明:该方法在BCI Competition IV 2a数据集上达到了99.28%的平均准确率和0.99的Kappa值,提高了运动想象脑电分类精度,为在线异步运动想象脑机接口的应用与发展...
|
关 键 词: | 运动想象 脑机接口 通道组合 卷积神经网络 数据对齐 |
|
|