-
题名基于参数共享的多特征图内外交互脑电图分类模型
- 1
-
-
作者
闭应洲
刘善锐
霍雷刚
甘秋静
李永玉
-
机构
南宁师范大学人工智能学院
-
出处
《数据采集与处理》
北大核心
2025年第4期950-961,共12页
-
基金
国家自然科学基金(62067007)
广西学位与研究生教改课题(JGY2023236)。
-
文摘
脑电图(Electroencephalography,EEG)信号分类在情感识别和脑机接口(Brain-computer interface,BCI)应用中具有关键意义。提出了一种参数共享的多特征图内外交互模型(Cross-map token attention,CMTA)。采用时空特征卷积神经网络(Spatial-temporal convolutional neural network,STCNN)对脑电图进行处理,生成多个脑电图特征图,每张特征图被视为一个token,传入参数共享的多模态模块MT(MLP和Transformer),其中多层感知器(Multi-layer perceptron,MLP)用于捕捉特征图内部的交互关系,Transformer则实现特征图之间的信息交互,从而提取更丰富的特征。通过一维自适应池化和全连接层构成的自适应分类器(Adapt-Classifier)完成脑电图的分类。实验结果表明,该方法在情感识别SEED数据集上的分类精度为98.86%,Kappa值为0.9829;在运动分类BCI Competition IV Dataset 2a数据集上的分类精度为81.20%,Kappa值为0.7484;在运动分类BCI Competition IV Dataset 2b数据集上的分类精度为86.55%,Kappa值为0.7352。实验结果验证了所提方法在脑电图分类任务中的优越性能,并展示了其在不同EEG数据集上的广泛适用性。
-
关键词
EEG信号处理
mlp-transformer
时空卷积
深度学习
人工智能
-
Keywords
EEG signal processing
mlp-transformer
spatio-temporal convolution
deep learning
artificial intelligence
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
R318
[医药卫生—生物医学工程]
-
