Joint Temporal-Frequency-Channel Attention Learning for EEG-based Visual Object Classification

Wenhui Zhou

doi:10.1016/j.jfranklin.2025.108128

Joint Temporal-Frequency-Channel Attention Learning for EEG-based Visual Object Classification

2025-10-08

0

PRE

AI

DOI：10.1016/j.jfranklin.2025.108128

原文链接

原文求助

摘要

En 中文

基于脑电图（EEG）的视觉目标分类任务是指对由视觉刺激诱发的EEG信号进行目标识别和分类，这是近年来利用人工智能分析和解码脑活动的一项新兴尝试。然而，大多数现有研究仅关注EEG信号的时域分析，而忽略了独特的频域信息。神经科学研究表明，不同的视觉感知过程可能在特定频段内引发增强或减弱的活动。考虑到这一事实，本文提出了一种联合时域-频域-通道注意力学习框架，以全面探索EEG信号在这三个领域中交织的独特特征。具体而言，它通过双分支和级联结构整合Transformer模块和领域注意力机制，以聚合EEG信号在时域、频域和通道域交织的多域特征。该设计是一种视觉EEG分类的联合跨域注意力学习范式，并显著提高了分类准确率。实验结果表明，本方法具有优越性，其分类准确率最高达到99.40%，达到当前最优水平。源代码可访问https://github.com/qn757275373/JTFCL-EEG。

Joint Temporal-Frequency-Channel Attention Learning for EEG-based Visual Object Classification

摘要

期刊

机构

引用论文