运动想象 (MI) 分类学习系列 (4) :CycleGAN

45 篇文章 6 订阅 ¥159.90 ¥299.90
57 篇文章 9 订阅
56 篇文章 57 订阅
本文探讨了运用CycleGAN生成中风患者运动想象脑电图数据,通过修正后的S变换(MST)将脑电信号转换为图像。尽管GAN在训练和效果上存在挑战,但实验表明生成的脑电图数据可以用于提高深度学习分类器的性能。通过七层CNN网络评估,分类性能得到提升。
摘要由CSDN通过智能技术生成

论文地址:https://ieeexplore.ieee.org/abstract/document/9592809
论文题目:Classification of Left-Versus Right-Hand Motor Imagery in Stroke Patients Using Supplementary Data Generated by CycleGAN
论文代码:无

0. 引言

获取脑电图 (EEG) 数据通常既费时又费力且成本高昂,这给训练功能强大数据要求高的深度学习模型带来了实际挑战。本研究提出了一种基于周期一致性对抗网络(CycleGAN)的替代脑电数据生成系统,该系统可以扩展训练数据的数量。本研究使用基于修正S变换(MST)的EEG2Image将脑电数据转换为脑电形貌。该方法保留了脑电信号的频域特性和空间信息。然后,使用CycleGAN学习和生成中风患者的运动意象脑电图数据。从目视检查来看

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

sjx_alo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值