融合注意力的多维特征图卷积运动想象分类

摘要：

运动想象(MI)作为脑机接口(BCI)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(EEG)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,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模型提高了分类性能,优于其他现有的运动想象分类方法.

关键词：运动想象(MI)、注意力机制、图卷积网络、多维特征、脑电信号(EEG)

所属期刊栏目：16

分类号：TP391(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项;国家自然科学基金

在线出版日期：2022-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：2050-2060