脑机交互：中科院刘燕等人提出高精度、鲁棒信号解码算法

文章预览

对多任务运动想象脑电图(EEG)信号进行有效分类是一种解码大脑运动意图的方法，有助于实现准确高效的多维脑机交互。然而，由于脑电信号空间分辨率低、被试脑电信号差异较大等固有局限性，传统解码方法的准确性和鲁棒性在实际应用中有待进一步提高。 中国科学院苏州生物医学工程技术研究所戴亚康课题组副研究员刘燕等人现在提出了一种具有自定义特征的跨空间卷积神经网络(CS-CNN)方法。 刘说:“这使得高精度和鲁棒的多任务运动想象脑电图信号解码算法成为可能。” CS-CNN算法流程图。(图片来源:SIBET) CS-CNN融合了测量空间的全局函数表示和源空间的高分辨率脑源激活信息，提供多层次的特征。 同时，对自定义的节律和感兴趣的大脑区域进行筛选，实现个性化频率-空间有价值信息的差异化提取，从而为每个主体构建最佳分类模型，整体提高 ………………………………