TY -的A2 -曹,剑Ting盟——雪,Juntao AU - Ren,飞跃盟——太阳,Xinlin AU -阴,喵喵盟——吴,嘉陵江AU - Ma,曹国伟AU -高,中科PY - 2020 DA - 2020/12/07 TI -一个多频的大脑网络深度学习框架运动图像解码SP - 8863223六世- 2020 AB -运动图像(MI)是脑-机接口(BCI)研究的一个重要组成部分,它可以解码的意图和帮助中风患者的神经系统进行改造。因此,准确解码的脑电图(EEG)基于运动想象已经收到了大量的关注,尤其是在康复训练的研究。我们提出一种新颖的多频为运动图像解码大脑网络的深度学习框架。首先,多频脑网络构建的多通道MI-related EEG信号,大脑和每一层对应于一个特定的频段。多频脑网络的结构匹配正常大脑的活动资料,相结合的信息渠道和多频。滤波器组常见的空间模式(FBCSP)算法过滤MI-based脑电图信号在空间域提取特征。此外,多层卷积网络模型是用来区分不同的MI任务准确,它允许提取和利用多频脑网络的拓扑结构。我们使用公共BCI竞争第四集2和公众BCI竞争第三集III a来评估我们的框架和得到最先进的结果在第一数据集,即。,平均精度为83.83%,卡帕的价值是0.784 BCI竞争第四集2,和准确性为89.45%,卡帕的价值是0.859 BCI竞争第三集III a。这些结果表明,我们的框架可以从多通道脑电信号分类不同的MI任务有效地在改造的研究方面显示了很大的潜力中风患者的神经系统。 SN - 2090-5904 UR - https://doi.org/10.1155/2020/8863223 DO - 10.1155/2020/8863223 JF - Neural Plasticity PB - Hindawi KW - ER -