深度学习算法在脑电信号解码中的应用

作者：韦梦莹; 李琳玲; 黄淦; 唐翡; 张治国^*

来源：中国生物医学工程学报, 2019, 38(04): 464-472.

DOI：10.3969/j.issn.0258-8021.2019.04.11

• 深度学习
• 神经网络
• 脑电
• 解码
• 脑机接口

近年来深度学习算法得到飞速发展,在生物医学工程领域的应用也越来越广泛。其中,利用深度学习算法从脑电信号(EEG)中解码生理、心理或病理状态也受到越来越多的关注。综述近年来深度学习算法在EEG解码中的应用,介绍常用算法、典型应用场景、重要进展和现存的问题。首先,论述常用于EEG解码的几类深度学习算法的基本原理,包括卷积神经网络、深度信念网络、自编码器和循环神经网络等。然后,讨论深度学习算法的几个典型EEG解码应用场景,包括脑机接口、情绪与认知识别、疾病辅助诊断。结合应用实例,归纳深度学习算法在EEG解码中的常见问题、解决方案、主要进展和研究趋势。最后,总结深度学习应用于EEG信号解码中仍待解决的一些关键问题,如参数复杂度、训练时间以及泛化能力等。

• 单位
  生物医学工程学院; 深圳大学