Feature learning framework based on EEG graph self-attention networks for motor imagery BCI systems

脑电图 运动表象 计算机科学 脑-机接口 人工智能 图形 模式识别(心理学) 图嵌入 嵌入 特征(语言学) 机器学习 心理学 神经科学 理论计算机科学 语言学 哲学
作者
Hao Sun,Jing Jin,Ian Daly,Yitao Huang,Xueqing Zhao,Xingyu Wang,Andrzej Cichocki
出处
期刊:Journal of Neuroscience Methods [Elsevier BV]
卷期号:399: 109969-109969 被引量:1
标识
DOI:10.1016/j.jneumeth.2023.109969
摘要

Learning distinguishable features from raw EEG signals is crucial for accurate classification of motor imagery (MI) tasks. To incorporate spatial relationships between EEG sources, we developed a feature set based on an EEG graph. In this graph, EEG channels represent the nodes, with power spectral density (PSD) features defining their properties, and the edges preserving the spatial information. We designed an EEG based graph self-attention network (EGSAN) to learn low-dimensional embedding vector for EEG graph, which can be used as distinguishable features for motor imagery task classification. We evaluated our EGSAN model on two publicly available MI EEG datasets, each containing different types of motor imagery tasks. Our experiments demonstrate that our proposed model effectively extracts distinguishable features from EEG graphs, achieving significantly higher classification accuracies than existing state-of-the-art methods.
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
PDF的下载单位、IP信息已删除 (2025-6-4)

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
火星上含芙完成签到 ,获得积分10
刚刚
量子星尘发布了新的文献求助10
2秒前
2秒前
掌门发布了新的文献求助10
2秒前
愉快的花卷完成签到,获得积分10
2秒前
少言完成签到,获得积分10
4秒前
kiko完成签到,获得积分10
5秒前
隐形惜筠完成签到 ,获得积分10
7秒前
黑眼圈完成签到,获得积分10
11秒前
123发布了新的文献求助10
13秒前
14秒前
15秒前
又又妈妈完成签到,获得积分10
15秒前
欢呼的丁真完成签到,获得积分10
16秒前
ty发布了新的文献求助10
16秒前
Faded完成签到 ,获得积分10
17秒前
ding应助Amorfati采纳,获得10
17秒前
好好学习天天向上完成签到,获得积分10
18秒前
所所应助lh采纳,获得10
19秒前
李爱国应助深情丸子采纳,获得10
19秒前
烟花应助阿湫采纳,获得10
19秒前
19秒前
乌梅不乌发布了新的文献求助10
20秒前
20秒前
YY完成签到,获得积分10
21秒前
22秒前
22秒前
Tiam发布了新的文献求助10
22秒前
种花家的狗狗完成签到,获得积分10
22秒前
wisdom完成签到,获得积分10
22秒前
123完成签到,获得积分10
23秒前
温暖芸完成签到,获得积分10
23秒前
24秒前
认真的觅松完成签到 ,获得积分10
25秒前
bkagyin应助12采纳,获得10
25秒前
gougoutu发布了新的文献求助10
25秒前
老菜鸟321发布了新的文献求助10
25秒前
26秒前
完美世界应助温暖芸采纳,获得10
26秒前
贺贺发布了新的文献求助10
27秒前
高分求助中
【提示信息,请勿应助】关于scihub 10000
Les Mantodea de Guyane: Insecta, Polyneoptera [The Mantids of French Guiana] 3000
徐淮辽南地区新元古代叠层石及生物地层 3000
The Mother of All Tableaux: Order, Equivalence, and Geometry in the Large-scale Structure of Optimality Theory 3000
Global Eyelash Assessment scale (GEA) 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 550
Research on Disturbance Rejection Control Algorithm for Aerial Operation Robots 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 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 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4038524
求助须知:如何正确求助?哪些是违规求助? 3576221
关于积分的说明 11374737
捐赠科研通 3305912
什么是DOI,文献DOI怎么找? 1819354
邀请新用户注册赠送积分活动 892688
科研通“疑难数据库(出版商)”最低求助积分说明 815048