-
公开(公告)号:CN115813409B
公开(公告)日:2024-08-23
申请号:CN202211542339.5
申请日:2022-12-02
Applicant: 复旦大学
IPC: A61B5/372 , G06F18/10 , G06F18/213 , G06F18/24 , G06F18/241 , G06N3/0464 , G06N3/044 , G06N3/08
Abstract: 本发明公开了一种超低延迟的运动图像脑电图解码方法。在本方法中,通过使用公开头部解剖模板建立信号传导模型,并使用标准化低分辨率层析成像方法获得皮质脑电。为了解决通道数上升带来的计算量大问题,使用滤波器组共空间模式方法获得空间滤波核,将特征提取计算量降低到线性程度。并使用包含三个域上的自注意力机制的分类网络完成特征的自动分类与挑选。本发明在四分类运动想象脑电任务中取得了先进的准确率,在具有相当低的延迟的同时具有较高的生理解释性。本发明中提出的解码方法有助于实现低延迟人机交互系统。
-
公开(公告)号:CN115813409A
公开(公告)日:2023-03-21
申请号:CN202211542339.5
申请日:2022-12-02
Applicant: 复旦大学
IPC: A61B5/372 , G06F18/10 , G06F18/213 , G06F18/24 , G06F18/241 , G06N3/0464 , G06N3/044 , G06N3/08
Abstract: 本发明公开了一种超低延迟的运动图像脑电图解码方法。在本方法中,通过使用公开头部解剖模板建立信号传导模型,并使用标准化低分辨率层析成像方法获得皮质脑电。为了解决通道数上升带来的计算量大问题,使用滤波器组共空间模式方法获得空间滤波核,将特征提取计算量降低到线性程度。并使用包含三个域上的自注意力机制的分类网络完成特征的自动分类与挑选。本发明在四分类运动想象脑电任务中取得了先进的准确率,在具有相当低的延迟的同时具有较高的生理解释性。本发明中提出的解码方法有助于实现低延迟人机交互系统。
-