.png){kind=icon}
返回
Time–frequency-spatial channel attention network for semantic decoding: an exploratory EEG study
.png){kind=icon}
PRE
AI
DOI：10.1007/s11517-026-03539-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
语义解码是探究语言处理与表征的神经机制的关键方法。受脑机接口（BCI）技术启发，本研究探讨了语义信息解码的方法，重点在于语言感知中的语义神经表征。由于包含中文语言刺激的脑电图（EEG）数据集有限，我们特别设计了一种语义任务范式，作为利用头皮EEG解码失语症患者语言理解与表达的有前景的尝试。该范式通过采用口语感知和静默口语意象等任务，充分整合了口语感知和口语意象的内在过程。首先，招募了17名失语症患者和健康受试者进行EEG数据采集。其次，我们构建了一个名为Time–Frequency-Spatial Channel Attention Network（TFSANet）的深度学习模型，该模型处理时域和频域特征以提取与语义相关的关键神经特征。通过优化模型并采用多维特征提取机制，显著提升了模型解码语义相关EEG特征的能力。最终，实验结果表明，所提出的TFSANet模型在“听觉引导”范式下，能够从EEG中解码10类四词短语的语义信息，失语症患者和健康受试者的准确率分别为60.73%和75.09%。为语义解码提出了一个名为TFSANet（Time-Frequency-Spatial Channel Attention Network）的深度学习模型。
Keyword:
Semantic decoding
Brain-computer interface
Electroencephalography
Deep learning
期刊
M
IF:
2.6
论文数:
168
被引数:
0
机构
引用论文
EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysisEEGLAB: 用于分析单次试验EEG动态的开源工具箱，包括独立成分分析
OAAI
OAAI分享收藏Driving Fatigue Classification Based on Fusion Entropy Analysis Combining EOG and EEG基于EOG和EEG融合熵分析的驾驶乏力分类.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Hybrid EEG-fNIRS decoding with dynamic graph convolutional-capsule networks for motor imagery/execution具有动态图卷积胶囊网络的混合eeg-fnirs解码，用于运动想象/执行
PREAI
分享收藏EEG-ITNet: An Explainable Inception Temporal Convolutional Network for Motor Imagery ClassificationEeg-itnet: 用于运动图像分类的可解释的Inception时间卷积网络IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Automated EEG-based language detection using directed quantum pattern technique使用定向量子模式技术的基于EEG的自动语言检测
PREAI
分享收藏
查看更多内容