[feature extraction] CNN提取EEG时空域特征

初入门深度学习，在做MI-EEG分类时，看到两篇文章，对于EEG的时域、空域（脑电通道）特征提取有着不同的观点，实在是脑子有点转不过来了。如下：

文章1：A Transformer-Based Approach Combining Deep Learning Network and Spatial-Temporal Information for Raw EEG Classification | IEEE Journals & Magazine | IEEE Xplorehttps://ieeexplore.ieee.org/document/9845479/

我好像知道我迷在哪里了！

上面截图内容说：在CNN+Transformer模型（t-Ctrans，图3d）的时间实现中，CNN模块包括一个卷积层和一个平均池化层。卷积层使用64×1（通道×时间点）大小的64个核来提取EEG空间信息，并采用SAME填充。平均池化层的池化大小为1×8。

我还找到了这篇文章对应的硕士论文，也是说时间卷积模块是为了学习同一时刻下所有通道的信号特征，跟我在其他文章中看到的不一样，仔细读了之后才发现，原来t-Ctrans也好、时间卷积transformer也好，在这篇文章中实际上指的是提取spatial特征。

 顺便附上文章2

文章2

EEG Conformer: Convolutional Transformer for EEG Decoding and Visualization | IEEE Journals & Magazine | IEEE Xplorehttps://ieeexplore.ieee.org/document/9991178/

总结

时域特征提取：对同一脑电通道下时序序列进行卷积

空域特征提取：对同一时间点下脑电通道进行卷积