多模型融合的时空特征运动想象脑电解码方法OA北大核心CSTPCD
Multi-model fusion temporal-spatial feature motor imagery electroencephalogram decoding method
运动想象脑电(Motor Imagery Electroencephalogram,MI-EEG)已经应用在脑机接口(Brain Computer Interface,BCI)中,能帮助上下肢功能障碍的患者进行康复训练.然而,现有技术对MI-EEG低效的解码性能和对MI-EEG过度依赖预处理的方式限制了 BCI的广泛发展.提出了一种多模型融合的时空特征运动想象脑电解码方法(Multi-model Fusion Temporal-spatial F…查看全部>>
Motor imagery electroencephalogram(MI-EEG)has been applied in brain computer interface(BCI)to assist patients with upper and lower limb dysfunction in rehabilitation training.However,the limited decoding performance of MI-EEG and over-reliance on pre-processing are restricting the broad growth of brain computer interface(BCI).We propose a multi-model fusion temporal-spatial feature motor imagery electroencephalogram decoding method(MMFTSF).The MMFTSF u…查看全部>>
凌六一;李卫校;冯彬
安徽理工大学电气与信息工程学院,淮南,232001||安徽理工大学人工智能学院,淮南,232001安徽理工大学电气与信息工程学院,淮南,232001安徽理工大学电气与信息工程学院,淮南,232001||安徽理工大学人工智能学院,淮南,232001
电子信息工程
概率稀疏注意力运动想象卷积神经网络时间卷积网络
probsparse self-attentionmotor imageryconvolutional neural networkstemporal convolutional networks
《南京大学学报（自然科学版）》 2024 (1)
65-75,11
安徽理工大学环境友好材料与职业健康研究院(芜湖)研发专项(ALW2022YF06),安徽高校协同创新项目(GXXT-2022-053)
评论