SHAP-AAD：用于脑电听觉注意力检测的 DeepSHAP 引导通道缩减
信号处理
2025-07-08 v1
摘要
基于脑电图的听觉注意力检测（AAD）为增强助听器提供了一种非侵入性方法，但传统方法依赖过多的电极，限制了可穿戴性和舒适度。本文提出了 SHAP-AAD，这是一个两阶段框架，结合了基于 DeepSHAP 的通道选择与轻量级时间卷积网络（TCN），以使用更少的通道实现高效的 AAD。DeepSHAP 是一种可解释 AI 技术，应用于在脑地形 alpha 功率图上训练的卷积神经网络（CNN），以对通道重要性进行排序，并使用排名前 k 的脑电通道来训练紧凑的 TCN。在 DTU 数据集上的实验表明，使用 32 个通道的平均准确率与完整的 64 通道设置相当（79.21% 对 81.06%）。在某些情况下，甚至 8 个通道也能提供令人满意的准确率。这些结果证明了 SHAP-AAD 在降低复杂度的同时保持高检测性能的有效性。
引用
@article{arxiv.2507.03814,
title = {SHAP-AAD: DeepSHAP-Guided Channel Reduction for EEG Auditory Attention Detection},
author = {Rayan Salmi and Guorui Lu and Qinyu Chen},
journal= {arXiv preprint arXiv:2507.03814},
year = {2025}
}
备注
5 pages, conference