解释基于频域的EEG端到端深度学习模型
信号处理
2024-07-26 v1
摘要
EEG基于端到端深度学习模型的近期兴起在阐明这些模型如何处理原始EEG信号并在频域生成预测方面 presents a significant challenge。这种挑战限制了EEG基于端到端模型的透明度和可信度，阻碍了其在安全敏感领域的应用。为此，我们提出一种掩码扰动方法来解释端到端模型在频域的行为。鉴于EEG数据的特征，我们引入目标对齐损失以缓解扰动操作相关的分布外问题。此外，我们开发了一个扰动生成器，以定义频域中的扰动生成。我们使用已建立的EEG基准数据集，在EEG解码领域的多个代表性端到端深度学习模型上进行实验验证了所提出方法的有效性和优越性，并强调其在EEG基于端到端模型研究中的潜在前景。
引用
@article{arxiv.2407.17983,
title = {Explain EEG-based End-to-end Deep Learning Models in the Frequency Domain},
author = {Hanqi Wang and Kun Yang and Jingyu Zhang and Tao Chen and Liang Song},
journal= {arXiv preprint arXiv:2407.17983},
year = {2024}
}