文献阅读-Classification of EEG Signals from Driving Fatigue by Image-Based Deep Recurrent Neural Networks
基于图像的深度循环神经网络对驾驶疲劳脑电信号的分类
主要内容
- 将EEG转化为一系列拓扑保持的多光谱图像
q: 拓扑保持是什么意思?是脑电电极的空间信息被包含在了二维图像中吗?
a: - 23个眼动信号和16个EEG电极采集的多模态信号
q: 这里为什么是16个?删掉了一个吗?
a: 删掉了一个参考电极通道CPZ。 - 使用合适频段来表征疲劳,形成颜色频段,基于等距方位投影和Clough-Tocher插值算法形成三通道图像,用二维图像代替信号作为模型的输入。
q: 等距方位投影是什么?
a: 等距方位投影可以保留距中心点的距离和方向。将地球上的所有点投影到一个平面上。虽然所有投影方法(赤道投影、极方位投影和斜轴投影)均可用,但使用频率最高的是极方位投影,这种投影会将所有经线和纬线划分为相等的部分,以保持等距离属性。
q: Clough-Tocher插值算法是什么?
a: Clough-Tocher插值常在有限元方法的文献中出现,因为其源于数值分析的有限元方法。在插值前,散点先三角形化形成临时TIN。对每个三角形定义了一个二次多项式,由一系列三角Clough-Tocher面组成一个插值面。
Clough-Tocher式是由12个参数定义的三次多项式,参数如上图所示:函数值f,每个顶点的一阶导数fx和fy,和三角形三边中点的法向导数。顶点一阶导数可以用周围三角形的斜率平均值来估算。单