用于 EEG 信号分析与脑机接口应用的图卷积神经网络
信号处理
2020-06-26 v1
摘要
解码脑信号近年来备受关注并在诸多领域得到应用，例如脑机接口（BCI）——利用用户意图通信或控制外部设备——占据了一个具有改变世界潜力的新兴领域，从康复到人体增强有着多样应用。即便如此，脑信号分析，尤其是 EEG 脑信号分析，仍是一项具有挑战性的任务。随着深度学习在仅使用原始数据解决问题方面取得的进展与成就，近年来已有少量尝试将深度学习应用于处理 EEG 及其他类型脑信号。在本研究中，我们提出一种称为 DeepCSP 的新损失函数，将经典共空间模式扩展为非线性、可微模块，作为损失函数在端到端方式下对原始信号上属于不同类别的 EEG 信号施加线性可分的潜表示，无需进行大量特征工程。随着深度学习方法推广至任意结构图上的近期进展以及所引入的损失函数，我们提出了两个轻量模型来解码 EEG 信号并进行了实验以展示其性能。
引用
@article{arxiv.2006.14540,
title = {Graph Convolutional Neural Networks for analysis of EEG signals, BCI application},
author = {Mirfarid Musavian Ghazani and Anh Huy Phan},
journal= {arXiv preprint arXiv:2006.14540},
year = {2020}
}
备注
11 pages, 5 figures