会议BIBM accept 论文：TF-HiTNet：一种用于脑电运动想象分类的时频分层Transformer网络
论文“TF-HiTNet: A Temporal-Frequency Hierarchical Transformer Network for EEG Motor Imagery Classification”被会议BIBM2024接收
时间：2024-08-16
关键词：脑机接口与智能机器人，文章接收
近日，硕士研究生岳晨曦在BIBM2024 上发表题为TF-HiTNet: A Temporal-Frequency Hierarchical Transformer Network for EEG Motor Imagery Classification”的文章，通讯作者为张枢教授。
Objective:
EEG数据具有丰富的时间和频谱信息，既反映了神经活动随时间的动态变化，也反映了潜在的频率特异性，但有效地整合时间、频率模式并捕捉整个序列中的长期依赖性仍然是一个挑战。本文提出了一种新颖的Temporal-Frequency Hierarchical Transformer Network（TF-HiTNet）用于EEG运动想象分类。有效地从EEG信号中提取和整合时间和频率特征，同时捕捉了EEG片段中的局部特征和跨片段的全局模式。在BCI4-2A和GigaDB数据集的评估证明了TF-HiTNet的有效性，验证了该架构可以有效地学习低级和高级特征之间的关系，显著提高运动想象分类的准确性。
