面向速度想象脑-机接口的双模态时空特征融合方法

摘要：

如何对大脑中连续神经意图进行解码是脑-机接口研究的重大挑战.速度这一物理量具备天然的连续性,是解码连续神经意图的可行解决方案,但当前脑-机接口领域对速度解码的研究仍为空白.本文提出一种自发性速度想象脑-机接口范式以及配套的双模态神经信号解码算法.本方法使用基于深度学习的时空特征注意力网络来解码连续神经意图,在提取局部和全局时空特征的基础上实现了双模态数据的端到端解码.本文采集了11个健康受试者在0 Hz、0.5 Hz和1 Hz速度下的左手握拳想象双模态信号,并使用该数据集验证了时空特征注意力网络的分类性能,实验中11个受试者的平均分类准确率以及AUC值分别为89.6%和99.0%.实验结果表明,利用双模态信号实现自发性速度想象解码具有性能好、效率高等优点,对探索大脑中连续神经意图解码和推进脑-机接口实际应用具有重要意义.

关键词：速度想象、脑电、功能近红外光谱、时空特征融合

所属期刊栏目：39

分类号：TH79(仪器、仪表)

资助基金：国家自然科学基金;国家自然科学基金;天津市杰出青年科学基金

在线出版日期：2023-09-04（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：1408-1418