换一批基于功能近红外光谱的跨受试心理任务识别的深度迁移学习方法
A deep transfer learning approach for cross-subject recognition of mental tasks based on functional near-infrared spectroscopy
摘要在基于功能近红外光谱(fNIRS)的脑-机接口(BCI)领域中,传统的受试特定解码方法存在校准时间长和跨受试泛化性低等问题,从而限制了 BCI系统在日常生活和临床领域中的推广和应用.为解决上述困境,本文提出了一种新颖的深度迁移学习方法,该方法联合了改进型启发式残差网络(rIRN)模型和基于模型的迁移,学习(TL)策略,简称TL-rIRN.本文开展了跨受试识别心算和心唱任务的试验,以验证TL-rIRN方法的有效性和优越性.结果表明,相较于受试特定解码方法和其他深度迁移学习方法,TL-rIRN方法显著缩短了校准时间,减少了目标模型的训练时间和计算资源的消耗,并增强了跨受试解码性能.综上,本研究为fNIRS-BCI系统的跨受试、跨任务以及实时解码算法的选择提供了依据,在构建便捷通用型BCI系统方面具有潜在应用价值.
更多相关知识
关键词
功能近红外光谱脑-机接口深度迁移学习跨受试解码改进型启发式残差网络Functional near-infrared spectroscopyBrain-computer interfaceDeep transfer learningCross-subject decodingRevised inception-residual network
栏目名称
DOI
10.7507/1001-5515.202310002
发布时间
2024-09-13（万方平台首次上网日期，不代表论文的发表时间）
- 浏览4
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
