SSVEP-BiMA：利用原生与对称-反对称分量的双焦点掩码注意力实现鲁棒SSVEP解码
机器学习
2025-02-18 v1
摘要
基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）因其简单性和高信息传输率（ITR）而成为一种流行的范式。准确且快速的 SSVEP 解码对于可靠的 BCI 性能至关重要。然而，传统的解码方法需要更长的时间窗口，深度学习模型通常需要针对被试进行微调，这使得在跨被试设置中实现最优性能面临挑战。本文提出了一种基于生物焦点掩码注意力的方法（SSVEP-BiMA），协同利用原生分量和对称-反对称分量进行 SSVEP 解码。通过利用多种信号表示，网络能够整合来自更广泛样本视角的特征，从而实现更通用和全面的特征学习，提升预测准确性和鲁棒性。我们在两个公开数据集上进行了实验，结果表明所提方法在准确性和 ITR 方面均超越了基线方法。我们相信这项工作将有助于开发更高效的基于 SSVEP 的 BCI 系统。
引用
@article{arxiv.2502.10994,
title = {SSVEP-BiMA: Bifocal Masking Attention Leveraging Native and Symmetric-Antisymmetric Components for Robust SSVEP Decoding},
author = {Yuxin Liu and Zhenxi Song and Guoyang Xu and Zirui Wang and Feng Wan and Yong Hu and Min Zhang and Zhiguo Zhang},
journal= {arXiv preprint arXiv:2502.10994},
year = {2025}
}