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 Xplore
https://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
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