稳态视觉诱发电位分类学习系列:FFT-CNN-CCA
论文地址:https://ieeexplore.ieee.org/document/8708243
论文题目:A Convolutional Neural Network for the Detection of Asynchronous Steady State Motion Visual Evoked Potential
论文代码:暂无
0. 引言
脑机接口(BCI)的一个关键问题是以异步方式检测有意控制(IC)状态和非有意控制(NC) 状态。此外,对于稳态视觉诱发电位 (SSVEP) BCI 系统,IC 状态中存在多个状态(子状态)。现有的识别方法依赖于阈值技术,难以实现高准确率,即同时实现高真阳性率和低假阳性率。为了解决这个问题,我们首次提出了一种新型卷积神经网络(CNN)来检测SSVEP-BCI系统中的IC和NC状态。具体来说,稳态运动视觉诱发电位 (SSMVEP) 范式被选为实验范式,该范式已被证明可以减少视觉不适。提出了两种用于检测 IC 和 NC 状态的处理管道。第一个是使用 CNN 作为多类分类器来区分 IC 和 NC 状态 (FFT-CNN) 中的所有状态。第二种是使用 CNN 区分 IC 和 NC 状态,并使用规范相关分析 (CCA