运动想象分类学习系列:IFNet
论文地址:https://ieeexplore.ieee.org/abstract/document/10070810
论文题目:IFNet: An Interactive Frequency Convolutional Neural Network for Enhancing Motor Imagery Decoding from EEG
论文代码:https://github.com/Jiaheng-Wang/IFNet
0. 引言
基于脑电图(EEG)的脑机接口(BCI)的运动意象(MI)解码的关键原理是联合高效地从频谱、空间和时间域中提取任务判别特征,而有限、噪声和非平稳的脑电图样本对解码算法的先进设计提出了挑战。方法:受跨频耦合概念及其与不同行为任务的相关性的启发,该文提出一种轻量级交互式频率卷积神经网络(IFNet) 来探索跨频交互以增强MI特征的表示。IFNet首先分别提取低频段和高频段的光谱空间特征。然后,使用逐个元素加法操作学习两个波段之间的相互作用,然后进行时间平均池化。结合作为正则化器的重复试验增强,IFNet为最终的MI分类提供了光谱-时空-鲁棒的特征。