会议BIBM accept 论文：ST-GF：用于脑电图运动成像解码的基于图的时空特征融合网络
论文“ST-GF:Graph-based Fusion of Spatial and Temporal Features for EEG Motor Imagery Decoding”被会议BIBM2024接收
时间：2024-10-14
关键词：脑机接口与智能机器人，文章接收
近日，硕士研究生王旭辉在BIBM2024上发表题为“ST-GF:Graph-based Fusion of Spatial and Temporal Features for EEG Motor Imagery Decoding”的文章，通讯作者为张枢教授。
Objective:
目前大多数EEG运动想象信号解码算法依赖卷积神经网络提取信号的时序特征，没有充分考虑大脑在任务态下的功能连接，也缺乏对信号中任务片段和非任务片段的分析和识别。本文提出了一种新颖的Graph-based Fusion of Spatial and Temporal Features (ST-GF) 用于EEG运动想象解码。该方法使用图神经网络学习多电极通道间的联系，并重构由滑动时间窗口算法分割的时间片特征，在整合大脑的功能连接的同时增强了EEG信号中的运动想象特征。在BCI Competition IV 2a数据集上的评估证明了ST-GF的有效性，验证了该算法可以融合EEG信号的空间和时序特征，显著提高EEG信号解码性能。
