论文摘要
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.
论文目录
文章来源
类型: 期刊论文
作者: 官金安,汪鹭汐,赵瑞娟,李东阁,吴欢
关键词: 脑机接口,深度学习,模拟阅读,脑电视频,卷积神经网络
来源: 中南民族大学学报(自然科学版) 2019年04期
年度: 2019
分类: 基础科学,医药卫生科技,信息科技
专业: 生物学,生物医学工程,计算机软件及计算机应用,自动化技术
单位: 中南民族大学生物医学工程学院认知科学国家民委重点实验室,中南民族大学医学信息分析及肿瘤诊疗湖北省重点实验室
基金: 国家自然科学基金资助项目(91120017),中央高校基本科研业务费专项资金资助项目(CZY19040)
分类号: R318;TP391.41;TP183
页码: 538-546
总页数: 9
文件大小: 2485K
下载量: 132