基于图像的脑电分类：对歌曲录音的脑响应
信号处理
2022-02-08 v1
摘要
对自然声学刺激进行分类的脑电（EEG）响应分类具有理论和实际重要性，但标准方法受限于对极短声音片段（几秒或更少）单独处理各通道。近期进展展示了通过对EEG提取频谱分量并使用卷积神经网络（CNNs）对音乐刺激（约2分钟）进行分类。本文提出一种高效方法，将原始EEG信号映射至所聆听的单首歌曲以进行端到端分类。EEG通道被视为[通道×采样点]图像块的一个维度，并使用CNNs对图像进行分类。我们的实验结果（88.7%）可与最先进方法（85.0%）竞争，然而我们的分类任务更具挑战性，因处理了感知质量相似且被试不熟悉的更长刺激。我们还采用了使用预训练ResNet-50的迁移学习方案，证实了尽管图像域彼此无关，迁移学习仍有效。
引用
@article{arxiv.2202.03265,
title = {Image-based eeg classification of brain responses to song recordings},
author = {Adolfo G. Ramirez-Aristizabal and Mohammad K. Ebrahimpour and Christopher T. Kello},
journal= {arXiv preprint arXiv:2202.03265},
year = {2022}
}
备注
6 pages, 2 figures, 3 tables, 2 equations