典型文献
基于特征融合神经网络的运动想象脑电分类算法
文献摘要：
运动想象-脑机接口(MI-BCI)技术为运动障碍患者提供了一种新的与外界交流的能力.应用卷积神经网络(CNN)处理运动想象(MI)脑电分类问题时,多提取最后卷积层的特征,忽视了中间层大量可用信息,导致MI-BCI的分类性能较差.针对这一问题,提出模型内层融合(WMFF)和模型间层融合(CMFF)两种特征融合策略.WMFF策略提取CNN每一层特征进行融合;CMFF策略融合CNN和长短时记忆网络并提取每一层特征.本研究用BCI竞赛IV Datasets 2a数据集对所提方法进行验证,WMFF和CMFF MI脑电信号四分类平均正确率分别达到76.19％和80.46％.结果表明,所提方法可有效提高MI脑电信号分类正确率,为MI脑电信号分类提供了新的思路.
文献关键词：
运动想象;脑电分类;神经网络;特征融合
中图分类号：
作者姓名：
李红利;丁满;张荣华;修春波;马欣
作者机构：
天津工业大学控制科学与工程学院,天津300387;天津工业大学人工智能学院,天津300387;天津工业大学电子与信息工程学院,天津300387
文献出处：
引用格式：
[1]李红利;丁满;张荣华;修春波;马欣-.基于特征融合神经网络的运动想象脑电分类算法)[J].中国医学物理学杂志,2022(01):69-75
A类：
WMFF,CMFF
B类：
特征融合,融合神经网络,运动想象脑电,脑电分类,分类算法,脑机接口,MI,BCI,运动障碍,分类问题,卷积层,中间层,分类性能,出模,内层,融合策略,策略融合,长短时记忆网络,IV,Datasets,2a,四分类,脑电信号分类
AB值：
0.268256
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
