基于脑启发前向机制的图神经网络用于运动想象分类

文章预览

脑机接口（BCI）技术利用绕过传统神经和肌肉通路的方式，推动了人脑与外部设备之间的信息交换。在康复、疲劳监测和工业控制等领域，BCI已经取得了成功。其中，电脑图（EEG）作为BCI的重要组成部分，利用信号处理和深度学习技术，特别是在识别和分类运动想象信号方面发挥着重要作用。通过各种方法，包括空间解码技术和特征提取技术，对来自多通道EEG的信号进行分类。尽管已经提出了一些潜在方法，但在处理电极之间的拓扑关系方面仍需进一步优化。同时，图卷积网络（GCN）和神经递质传递中的F-F机制也引起了研究关注，可能为BCI技术带来新的进步。 1 研究方法 首先研究人员提出了一种新颖的脑电图分类模型，用于四类 MI 意图分类 ，称为 F-FGCN ，由脑网络动态和神经信号传播机制组成，结合了脑启发的 F-F 机制，并与 EEG 电极的功能拓扑 ………………………………