运动想象 (MI) 分类学习系列 (9) :FBCNet

论文地址：https://arxiv.org/abs/2104.01233
论文题目：FBCNet: An Efficient Multi-view Convolutional Neural Network for Brain-Computer Interface
论文代码：https://github.com/ravikiran-mane/FBCNet

0. 引言

缺乏足够的训练样本和有噪声的高维特征是基于脑电图(EEG)的脑机接口(BCI)的运动图像(MI)解码算法面临的主要挑战。为了解决这些挑战，受运动想象神经生理特征的启发，本文提出了一种新的用于运动想象分类的Filter-Bank卷积网络(FBCNet)。FBCNet采用多视图数据表示和空间滤波来提取光谱空间判别特征。这种多阶段方法可以在训练数据有限的情况下有效地训练网络。更重要的是，在FBCNet中，我们提出了一种新的方差层，可以有效地聚合脑电时域信息。

总的来说，模型是FBCSP+EEGNet+自己提出的方差层的结合可以提供一定的参考价值，在最后分析时分析健康人和卒中患者在不同频率、不同通道下的影响还是很有参考价值的，最后也验证了医学上CMC的结论：卒中患者的在进行MI时信号会更分散，而健康患者更集中一点。。。。