基于图卷积的双分支网络用于上肢运动想象EEG信号解码

Chrisilla S等人提出一种基于图卷积的双分支网络，用于受试者独立的上肢运动想象脑电信号解码。该模型结合图卷积与跳跃连接及手工时频特征，通过并行空间和时间卷积路径增强表征学习。在PhysioNet、BCI IV-2a和BCI IV-2b数据集上的评估显示，该方法在减少可训练参数和电极数量的同时保持了具有竞争力的性能，例如在PhysioNet上使用5个电极达到93.91%的SGKF准确率。