基于相频特性的稳态视觉诱发电位深度学习分类模型

• 作者: 林艳飞 臧博宇 郭嵘骁 刘志文 高小榕
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 稳态视觉诱发电位
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 脑机接口与人机交互专题|Special Topic on Brain Computer Interface and Human Computer Interaction
• 页码范围: 446-454
• 页数: 9页
• 分类号: TN911.7|TP391
• 语种: 中文
• DOI: 10.11999/JEIT210816

摘要

针对现有深度学习分类方法对稳态视觉诱发电位相位与频率信息利用不充分的问题,该文提出一种用于稳态视觉诱发电位(SSVEP)分类的卷积神经网络模型.该模型以经过快速傅里叶变换后的复向量作为输入,首先对各个导联的实部向量和虚部向量进行卷积,学习相位信息;随后引入空间注意力机制,对判别频率信息进行增强;然后使用2维卷积和最大池化层进一步提取空域和频域信息;最后使用全连接层进行分类.实验结果表明利用该方法在跨受试情况下准确率可达到81.21％,通过在训练集增加标准正弦信号模板准确率可进一步提升至83.17％,相比典型相关分析方法获得了更好的分类效果.