上海大学杨帮华教授团队:一种轻量化的MI深度学习解码网络 M-FANet研究成果

文章预览

上海大学 杨帮华教授 团队成员提出了提出一种M-FANet网络结构，以 " M-FANet: Multi-Feature Attention Convolutional Neural Network for Motor Imagery Decoding " 为题，在脑机接口领域期刊 《 IEEE Transactions on Neural Systems and Rehabilitation Engineering 》 (SCI中科院分区二区，IF：4.9)发表。 01 研究背景 脑机接口(BCI)技术开启了神经系统与外界直接沟通的新纪元。运动想象(MI)作为一种动作执行前的脑内想象任务，是BCI研究的基石之一。脑电图(EEG)具有非侵入性、成本低和便捷性强的特点，能够以高时间分辨率记录神经活动。当被试想象肢体的运动时，大脑特定区域将会产生能量变化，即事件相关去同步/事件相关同步（ERD/ERS）现象。通过EEG技术，由MI引起的脑区能量变化能够被记录下来，进而用于识别不同的运动意图。基于MI的BCI系统已成功应用于控制外骨骼和光标，与虚拟现实（VR ………………………………