发明 201911241265X 时空特征融合的并行卷积网络运动想象脑电图分类方法 2022
已下证 人工智能 脑机交互系统.人机交互.运动想象脑电信号.脑电数据分析.脑电数据采集 1人
A61B5/369 A61B5/374 A61B5/00 G06V10/764 G06V10/774 G06V10/80 G06K9/62 G06T3/40 G06N3/04
免责声明:以上消息未经人工确认,本平台不担保其真实性和有效性,交易前请仔细核实。
本发明请求保护一种时空特征融合的并行卷积神经网络运动想象脑电图识别方法。以运动想象脑电信号作为研究对象,提出一种新的深度网络模型‑并行卷积神经网络提取运动想象脑电信号的时空特征。与传统脑电分类算法往往丢弃脑电空间特征信息不同,通过快速傅里叶变换,提取Theta波(4‑8Hz)、alpha波(8‑12Hz)以及beta波(12‑36Hz),生成2D脑电特征图。基于多重卷积神经网络对脑电特征图进行训练,提取空间特征。此外,利用时间卷积神经网络进行并行训练,提取时序特征。最后基于Softmax对空间特征以及时序特征进行融合以及分类。实验结果表明,并行卷积神经网络具有良好的识别精度,并且优于其他最新的分类算法。