Spatial–temporal attention enhanced high-ratio EEG compression using deep variational autoencoder and arithmetic coding

doi:10.1016/j.bspc.2025.108574

Spatial–temporal attention enhanced high-ratio EEG compression using deep variational autoencoder and arithmetic coding

2025-08-23

0

PRE

AI

DOI：10.1016/j.bspc.2025.108574

原文链接

原文求助

摘要

En 中文

高效存储和传输EEG数据需要高比率EEG压缩。然而，由于现有基于卷积的压缩方法在去除统计冗余方面的能力有限，且对复杂信号区域的关注不足，因此难以在不牺牲重建质量的情况下实现高压缩比。此外，这些方法受限于固定网络架构，缺乏根据应用特定需求调整压缩率的灵活性。为解决这些挑战，我们提出了一种结合变分自编码器与算术编码的混合压缩框架。通过联合训练，EEG数据被映射到更易于压缩的概率分布，该分布指导熵编码过程并显著提升整体压缩比。此外，我们设计了一个针对EEG特性的时空注意力模块。该模块分别提取并整合时域和空域注意力，使网络能更精确地聚焦于信号的复杂且信息丰富的区域。进一步地，通过同时约束压缩率和重建误差，所提出的方法支持可调压缩率。公开数据集上的结果表明，所提出的方法即使在压缩比远超现有方法（100 vs.16）的情况下，仍能保持最佳的重建性能。

Keyword:

EEG compression

variational autoencoder

arithmetic coding

attention mechanism

adjustable compression ratio

Spatial–temporal attention enhanced high-ratio EEG compression using deep variational autoencoder and arithmetic coding

摘要

期刊

机构

引用论文