脑机接口中的相同步分量自组织
信号处理
2023-10-12 v3 人机交互
机器学习
摘要
相同步信息在分析功能脑连接与识别脑活动中起着关键作用。一种广泛采用的特征提取流水线，由预处理、EEG采集通道选择和相位锁定值（PLV）计算组成，已在运动想象分类（MI）中取得成功。然而，该流水线依赖人工与专家知识，限制了其便捷性与对不同应用场景的适应性。此外，多数研究采用平庸的数据无关空间滤波器来抑制噪声，阻碍了对更显著相位同步现象的探究。为解决这些问题，我们提出相同步分量自组织的概念，其能够实现数据依赖空间滤波器的自适应学习，从而自动化预处理与通道选择流程。基于该概念，开发了首个深度学习端到端网络，直接从原始EEG信号提取基于相同步的特征并完成分类。该网络在训练期间学习最优滤波器，于网络达到峰值分类结果时获得。大量实验表明我们的网络优于最先进的方法。值得注意的是，通过所学最优滤波器可观察到显著的相位同步现象。具体而言，利用两个所学空间滤波器从每个样本中提取一对信号并计算其PLV，我们在所有舌部MI样本上获得了超过0.87的平均PLV。这一高PLV表明了舌部MI同步模式的突破性发现。
引用
@article{arxiv.2310.03748,
title = {Phase Synchrony Component Self-Organization in Brain Computer Interface},
author = {Xu Niu and Na Lu and Huan Luo and Ruofan Yan},
journal= {arXiv preprint arXiv:2310.03748},
year = {2023}
}