基于时空特征学习卷积神经网络的运动想象脑电解码方法 | |
褚亚奇1,2,3; 朱波1,2,3; 赵新刚1,2; 赵忆文1,2 | |
刊名 | 生物医学工程学杂志 |
2021 | |
卷号 | 38期号:1页码:1-9 |
关键词 | 运动想象脑电 脑机接口 时空特征 卷积神经网络 信号解码 |
ISSN号 | 1001-5515 |
其他题名 | Convolutional neural network based on temporal-spatial feature learning for motor imagery eeg signal decoding |
产权排序 | 1 |
英文摘要 | 基于运动想象脑电(EEG)的脑-机接口系统能够为用户提供更为自然、灵活的控制方式,已广泛应用到人机交互领域。然而,由于目前运动想象脑电的信噪比及空间分辨率较低,导致信号解码正确率较低。针对这一问题,本文提出一种基于时空特征学习卷积神经网络(TSCNN)的运动想象脑电解码方法。首先,针对经过带通滤波预处理的脑电信号,依次设计时间和空间维度上的卷积层,构造出运动想象脑电的时空特征;然后,利用2层二维卷积结构对脑电的时空特征进行抽象学习;最后,通过全连接层和Softmax层对TSCNN学习的抽象特征进行解码。利用公开数据集对该方法进行实验测试,结果表明,所提方法的平均解码精度达到80.09%,分别比经典的解码方法共空间模式(CSP)+支持向量机(SVM)和滤波器组CSP(FBCSP)+SVM提高了13.75%和10.99%,显著提升了运动想象脑电解码的可靠性。 |
语种 | 中文 |
CSCD记录号 | CSCD:6944636 |
资助机构 | 国家自然科学基金(61573340,61773369,U1813214) ; 中国科学院前沿科学重点研究项目(QYZDY-SSWJSC005) ; 辽宁省“兴辽英才计划”项目(XLYC1908030) |
内容类型 | 期刊论文 |
源URL | [http://ir.sia.cn/handle/173321/28121] |
专题 | 沈阳自动化研究所_机器人学研究室 |
通讯作者 | 赵新刚 |
作者单位 | 1.中国科学院机器人与智能制造创新研究院 2.中国科学院沈阳自动化研究所机器人学国家重点实验室 3.中国科学院大学 |
推荐引用方式 GB/T 7714 | 褚亚奇,朱波,赵新刚,等. 基于时空特征学习卷积神经网络的运动想象脑电解码方法[J]. 生物医学工程学杂志,2021,38(1):1-9. |
APA | 褚亚奇,朱波,赵新刚,&赵忆文.(2021).基于时空特征学习卷积神经网络的运动想象脑电解码方法.生物医学工程学杂志,38(1),1-9. |
MLA | 褚亚奇,et al."基于时空特征学习卷积神经网络的运动想象脑电解码方法".生物医学工程学杂志 38.1(2021):1-9. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论