.png){kind=icon}
返回
PlugSelect: Pruning Channels With Plug-and-Play Flexibility for Electroencephalography-Based Brain–Computer Interface
.png){kind=icon}
PRE
AI
DOI：10.1109/TIM.2025.3593511.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自动最小化和优化电极数量对于脑电图（EEG）脑机接口（BCI）的实际应用至关重要。以往的方法通常需要额外的训练成本或依赖先验知识假设。本研究提出了一种新型通道剪枝模型PlugSelect，适用于广泛的BCI范式，无需额外训练成本，并具备即插即用功能。它通过整合输入路径上的梯度，全局推断输入通道与输出之间的因果关系，并依据贡献度排序以识别最具贡献的通道。结果表明，在听觉注意力解码（AAD）、运动想象（MI）和情感计算（AC）三种BCI范式中，PlugSelect可将通道数量至少减少一半，同时有效保持解码性能并提升效率。研究结果有助于设计可穿戴的EEG设备，促进BCI技术的实际应用。
Keyword:
Brain–computer interface (BCI)
channel optimization
electroencephalography (EEG)
plug-and-play
wearable device