Cross-BCI：面向通用脑机接口应用的跨脑机接口范式分类模型
定量方法
2025-08-14 v1 人工智能
人机交互
摘要
脑机接口(BCI)中使用的分类模型通常为单一BCI范式设计。当应用于新的BCI范式时，这需要重新开发模型，导致重复的成本和工作量。此外，实际应用以及在便携设备上部署需要复杂度较低的深度学习模型。为了填补上述空白，我们在本研究中提出了一个用于跨BCI范式分类的轻量级统一解码模型。所提出的模型从时间-空间卷积开始。随后是一个多尺度局部特征选择模块，旨在提取跨BCI范式共享的局部特征并生成加权特征。最后，设计了一个多维全局特征提取模块，其中从加权特征中提取多维全局特征并与加权特征融合，形成与BCI范式相关联的高级特征表示。在三种经典BCI范式(即MI、SSVEP和P300)的混合上进行评估的结果表明，所提出的模型在准确率、宏平均精确率、宏平均召回率和宏平均F1分数方面分别达到了88.39%、82.36%、80.01%和0.8092，显著优于所比较的模型。本研究为跨BCI范式分类提供了可行的解决方案。它为开发新一代统一解码系统奠定了技术基础，为低成本和通用的实际应用铺平了道路。
引用
@article{arxiv.2508.09242,
title = {Cross-BCI, A Cross-BCI-Paradigm Classifica-tion Model Towards Universal BCI Applications},
author = {Gaojie Zhou and Junhua Li},
journal= {arXiv preprint arXiv:2508.09242},
year = {2025}
}