A Multi-Branch 3D Convolutional Neural Network for EEG-Based Motor Imagery Classification

过度拟合 计算机科学 运动表象 模式识别(心理学) 人工智能 脑电图 卷积神经网络 代表(政治) 稳健性(进化) 人工神经网络 脑-机接口 心理学 生物化学 化学 精神科 政治 政治学 法学 基因
作者
Xinqiao Zhao,Hongmiao Zhang,Guilin Zhu,Fengxiang You,Shaolong Kuang,Lining Sun
出处
期刊:IEEE Transactions on Neural Systems and Rehabilitation Engineering [Institute of Electrical and Electronics Engineers]
卷期号:27 (10): 2164-2177 被引量:230
标识
DOI:10.1109/tnsre.2019.2938295
摘要

One of the challenges in motor imagery (MI) classification tasks is finding an easy-handled electroencephalogram (EEG) representation method which can preserve not only temporal features but also spatial ones. To fully utilize the features on various dimensions of EEG, a novel MI classification framework is first introduced in this paper, including a new 3D representation of EEG, a multi-branch 3D convolutional neural network (3D CNN) and the corresponding classification strategy. The 3D representation is generated by transforming EEG signals into a sequence of 2D array which preserves spatial distribution of sampling electrodes. The multi-branch 3D CNN and classification strategy are designed accordingly for the 3D representation. Experimental evaluation reveals that the proposed framework reaches state-of-the-art classification kappa value level and significantly outperforms other algorithms by 50% decrease in standard deviation of different subjects, which shows good performance and excellent robustness on different subjects. The framework also shows great performance with only nine sampling electrodes, which can significantly enhance its practicality. Moreover, the multi-branch structure exhibits its low latency and a strong ability in mitigating overfitting issues which often occur in MI classification because of the small training dataset.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
北山发布了新的文献求助10
1秒前
淡淡的若冰应助zhangfengting采纳,获得10
1秒前
大模型应助thinking采纳,获得10
4秒前
dsacasd发布了新的文献求助10
5秒前
6秒前
DYuH23关注了科研通微信公众号
6秒前
8秒前
10秒前
11秒前
13秒前
Ll完成签到,获得积分20
13秒前
xzy发布了新的文献求助10
14秒前
15秒前
眼睛大鹤完成签到,获得积分10
16秒前
suzy完成签到,获得积分10
17秒前
18秒前
20秒前
CA发布了新的文献求助10
21秒前
21秒前
21秒前
22秒前
24秒前
kelly14kelly发布了新的文献求助20
25秒前
26秒前
thinking发布了新的文献求助10
26秒前
28秒前
29秒前
30秒前
wq1020发布了新的文献求助10
30秒前
30秒前
31秒前
32秒前
33秒前
可可发布了新的文献求助10
35秒前
打打应助柠檬味电子对儿采纳,获得10
35秒前
Bailey完成签到,获得积分10
35秒前
Mr_X发布了新的文献求助10
36秒前
十七发布了新的文献求助10
37秒前
38秒前
CAE上路到上吊完成签到,获得积分10
38秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 830
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3247691
求助须知:如何正确求助?哪些是违规求助? 2890959
关于积分的说明 8265537
捐赠科研通 2559214
什么是DOI,文献DOI怎么找? 1387979
科研通“疑难数据库(出版商)”最低求助积分说明 650670
邀请新用户注册赠送积分活动 627552