Electroencephalography-based motor imagery classification using temporal convolutional network fusion

超参数 计算机科学 卷积神经网络 脑电图 卷积(计算机科学) 人工智能 模式识别(心理学) 代表(政治) 运动表象 脑-机接口 人工神经网络 心理学 政治学 政治 精神科 法学
作者
Yazeed K. Musallam,Nasser I. AlFassam,Ghulam Muhammad,Syed Umar Amin,Mansour Alsulaiman,Wadood Abdul,Hamdi Altaheri,Mohamed A. Bencherif,Mohammed Algabri
出处
期刊:Biomedical Signal Processing and Control [Elsevier]
卷期号:69: 102826-102826 被引量:105
标识
DOI:10.1016/j.bspc.2021.102826
摘要

Motor imagery electroencephalography (MI-EEG) signals are generated when a person imagines a task without actually performing it. In recent studies, MI-EEG has been used in the rehabilitation process of paralyzed patients, therefore, decoding MI-EEG signals accurately is an important task, and it is difficult task due to the low signal-to-noise ratio and the variation of brain waves between subjects. Deep learning techniques such as the convolution neural network (CNN) have shown an impact in extracting meaningful features to improve the accuracy of classification. In this paper, we propose TCNet-Fusion, a fixed hyperparameter-based CNN model that utilizes multiple techniques, such as temporal convolutional networks (TCNs), separable convolution, depth-wise convolution, and the fusion of layers. This model outperforms other fixed hyperparameter-based CNN models while remaining similar to those that utilize variable hyperparameter networks, which are networks that change their hyperparameters based on each subject, resulting in higher accuracy than fixed networks. It also uses less memory than variable networks. The EEG signal undergoes two successive 1D convolutions, first along with the time domain, then channel-wise. Then, we obtain an image-like representation, which is fed to the main TCN. During experimentation, the model achieved a classification accuracy of 83.73 % on the four-class MI of the BCI Competition IV-2a dataset, and an accuracy of 94.41 % on the High Gamma 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
研友_VZG7GZ应助东山道友采纳,获得10
2秒前
qiu完成签到,获得积分20
2秒前
3秒前
陈陈完成签到,获得积分10
3秒前
3秒前
JIANYOUFU完成签到,获得积分10
4秒前
4秒前
张朝程发布了新的文献求助10
4秒前
听雨完成签到,获得积分10
4秒前
Jasper应助uwasa采纳,获得10
4秒前
4秒前
5秒前
最最完成签到,获得积分10
7秒前
white发布了新的文献求助10
7秒前
大个应助liuhulang采纳,获得20
7秒前
yry完成签到,获得积分10
7秒前
XA发布了新的文献求助10
7秒前
insissst发布了新的文献求助80
8秒前
sch完成签到 ,获得积分10
8秒前
科目三应助科研通管家采纳,获得30
8秒前
甜甜玫瑰应助科研通管家采纳,获得10
8秒前
高兴电脑应助科研通管家采纳,获得20
8秒前
Abby应助科研通管家采纳,获得10
8秒前
8秒前
爆米花应助科研通管家采纳,获得30
8秒前
江峰应助科研通管家采纳,获得10
9秒前
丘比特应助杜若采纳,获得10
9秒前
想发sci发布了新的文献求助10
9秒前
chillin完成签到 ,获得积分10
9秒前
满增明发布了新的文献求助10
10秒前
晗月完成签到,获得积分10
10秒前
鲨鱼小乐发布了新的文献求助30
11秒前
11秒前
Akim应助赫灵竹采纳,获得10
12秒前
ffhjlfwex完成签到,获得积分10
12秒前
14秒前
西红柿发布了新的文献求助10
14秒前
啊圣诞袜应助感动清炎采纳,获得10
14秒前
16秒前
17秒前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Effect of reactor temperature on FCC yield 2000
Very-high-order BVD Schemes Using β-variable THINC Method 1020
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Mission to Mao: Us Intelligence and the Chinese Communists in World War II 600
The Conscience of the Party: Hu Yaobang, China’s Communist Reformer 600
Geochemistry, 2nd Edition 地球化学经典教科书第二版,不要epub版本 431
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 3302140
求助须知:如何正确求助?哪些是违规求助? 2936638
关于积分的说明 8478474
捐赠科研通 2610453
什么是DOI,文献DOI怎么找? 1425229
科研通“疑难数据库(出版商)”最低求助积分说明 662309
邀请新用户注册赠送积分活动 646493