跳到正文
原文
bioRxiv · Neuroscience· Wang, P., Zhu 等 11 人
AI 评分49

用于脑机接口中运动执行到运动想象EEG迁移的共享编码器残差任务桥接网络

Shared-Encoder Residual Task-Bridging Network for Motor Execution to Motor Imagery EEG Transfer in Brain-Computer Interfaces

预印本 · 尚未经过同行评审

AI 导读

SE-RTBNet通过共享编码器与残差任务桥接模块,将运动执行知识迁移至运动想象解码。

摘要 · AI 翻译

运动想象脑机接口(MI-BCI)在肢体运动康复与人机交互领域具有广阔的应用前景。然而,MI校准数据的可靠性受限于难以验证参与者在运动想象过程中的投入程度,而运动执行(ME)则提供了更易于监督的运动相关信息来源。为探究ME衍生知识辅助MI解码的潜力,我们提出共享编码器残差任务桥网络(SE-RTBNet),以实现从ME到MI的精确受试者内跨任务知识迁移。该框架由两个主要部分组成:共享编码器与残差任务桥模块。共享编码器从多频带EEG信号中提取稳定的通用运动表征,并挖掘ME与MI任务背后的共享特征模式。残差任务桥模块配备性能感知路由机制,能够自适应地补偿两个任务之间的任务特异性差异,从而实现精确的跨任务特征对齐与知识迁移。为验证所提模型的有效性,在三个公开数据集上开展了实验。所提方法的平均分类准确率分别达到69.39%、74.61%和98.94%,整体性能优于现有迁移学习算法。我们的模型通过受试者内跨任务知识迁移,为降低对大量MI校准数据的依赖提供了一种有效策略。所提SE-RTBNet的源代码已公开于https://github.com/Daisyzyx2002/SE-RTBNet

中文由 AI 翻译,仅供参考,以原文为准。

来源:bioRxiv · Neuroscience · biorxiv.org

相关事件

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。