科研之友
微信
新浪微博
Facebook
分享链接
摘要
运动想象作为脑机接口的重要应用，是运动康复训练的重要支撑。由于脑电的电极分布并非天然的欧式空间，对运动想象进行准确分类具有很大的挑战。而且，现有方法仅仅考虑了脑电信号中某一维度或者某两维度的信息，无法全面捕获脑电信号在时、频、空三个维度存在的内在特征。同时，脑电信号各维度上的动态关联强度影响了分类的鲁棒性。针对上述问题，本文提出了一种新颖的融合注意力的多维特征图卷积网络（AMFGCN）。首先，根据电极节点分布的非欧空间特性设计出图结构，充分表示电极间的空间相关性。其次，提出时-空、频-空的双分支框架，同时表示脑电信号在时域、频域和空间域上的信息。最后，通过融合注意力机制、图卷积和时间/频谱卷积从图表示中学习脑电信号的空间表示、时间依赖性和频率依赖性，并自适应捕获各维度上的动态关联强度。在四个公开脑机接口数据集上进行了实验，结果表明AMFGCN模型提高了分类结果，优于其他现有的运动想象分类方法。
- 单位
