基于改进原型网络的P300脑电信号检测

摘要：

从脑电信号中检测P300电位是实现P300脑机接口的关键. 由于不同个体间的脑电信号存在较大差异, 现有的基于深度学习的P300检测方法均需要大量的脑电数据来训练模型. 对于小样本的患者数据, 至今仍没有令人满意的解决方案. 本文提出了一种改进的适用于小样本P300脑电信号检测的原型网络方法. 该模型通过卷积神经网络提取特征, 结合度量方法余弦相似度, 实现P300脑电信号的分类和识别. 在第3届国际脑机接口竞赛的数据集II上进行测试和比较, 取得了平均字符识别率达95％的良好识别性能. 进一步地, 我们把该方法应用于小样本的意识障碍患者意识状态检测中. 在基于命令遵循的意识状态检测实验中, 5位正常人的准确率均为100％, 10位意识障碍患者的意识状态检测结果与临床评估结果相匹配. 研究证明该模型对改进应用于小样本的P300脑机接口系统具有重要意义.

关键词：脑机接口;原型网络;脑电图;P300;意识障碍

所属期刊栏目：31

资助基金：广东省重点研发计划;国家自然科学基金;广州市重点领域研发计划;广东省自然科学基金面上项目

在线出版日期：2022-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：30-37