运动想象 (MI) 迁移学习系列 (2) :TDLNet

论文地址：https://ieeexplore.ieee.org/abstract/document/10275048
论文题目：TDLNet： Transfer Data Learning Network for Cross-Subject Classification Based on Multiclass Upper Limb Motor Imagery EEG
论文代码：暂未找到

0. 引言

针对单肢不同运动的基于运动意象的脑机接口（MI-BCI）指令集数量有限，难以满足实际应用需求。因此，设计单肢、多类别的运动意象（MI）范式并对其进行有效解码是MI-BCI未来发展的重要研究方向之一。此外，MI-BCI 的主要挑战之一是难以对不同个体的大脑活动进行分类（主要是跨被试分类任务存在难题）。本文提出迁移数据学习网络（TDLNet）来实现多类上肢运动意象的跨主体意图识别。

1. 主要贡献

1. 该文提出迁移数据学习网络（TDLNet）来实现多类上肢运动意象的跨主体意图识别。
2. 在TDLNet中，RAMM被提出用于为不同的脑电信号通道分配权重，以用于不同的运动图像任务。
3. 提出一种基于遮挡信号频率的特征可视化算法对MI-BCI框架进行定性分析。

2. 网络介绍

网络的主要