运动想象 (MI) 分类学习系列 (8) :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。