基于3D卷积神经网络的IR-BCI脑电视频解码研究

作者：官金安; 汪鹭汐^*; 赵瑞娟; 李东阁; 吴欢

来源：中南民族大学学报(自然科学版), 2019, 38(04): 538-546.

• 脑-机接口
• 深度学习
• 模拟阅读
• 脑电视频
• 3D卷积神经网络

采用3D卷积神经网络模型,对脑电信号进行解码研究,旨在挖掘其深层的特征表达,以提高脑-机接口系统的性能.实验在获取"模拟阅读"脑-机接口系统的多维脑电信号后,将原始的通道特征构建成"脑电视频"的格式.其构造方法为:将通道按实际空间排布为二维矩阵,这样某时刻的多通道采样点在空间上形成一个"视频帧",这些空间信息在连续时间帧上的堆叠,形成"脑电视频".这种自然表达信息的方法,不仅包含大脑的空间分布信息,还反映了时间信息的关联,丰富了数据所包含的事件相关信息.借鉴图像领域特征学习的"局部感受野"和"权值共享"思想,搭建了自主学习脑电信号特征的3D卷积神经网络模型,将已打标签的脑电视频数据对模型进行训练,之后对测试集进行测试.与经典的卷积神经网络和传统的最佳单通道算法相比,分类正确率有了进一步的提高.实验表明,基于脑电视频的3D卷积神经网络能够更有效地学习脑电特征,改善了模拟阅读脑-机接口系统的性能.

• 单位
  中南民族大学; 生物医学工程学院; 医学信息分析及肿瘤诊疗湖北省重点实验室