近日,我院孙立宁教授团队张虹淼课题组提出一种高质量脑电信号合成方法以促进脑机接口性能,研究成果《An Auxiliary Synthesis Framework for Enhancing EEG-Based Classification with Limited Data》在脑机接口领域权威期刊《IEEE Transactions on Neural Systems and Rehabilitation Engineering》(TNSRE)(IF 4.5 JCR Q1,年发文量200篇左右)发表。2021级硕士研究生梁随为第一作者,张虹淼副教授为通讯作者,www.优德88.cpm 机电工程学院为第一作者单位。深圳技术大学健康与环境工程学院匡绍龙教授、上海中医药大学基础医学院王德恒教授、www.优德88.cpm 硕士生袁兆华参与研究,孙立宁教授指导。该工作得到国家自然科学基金重大仪器研制项目的支持。(doi: 10.1109/TNSRE.2023.3268979)
【背景意义】脑机接口技术能够将脑电信号转化为机器可以理解的指令或控制信号,这为实现神经控制的外部设备,如假肢、轮椅和人工智能交互,提供了巨大的潜力。然而,脑电解码的准确性和稳定性依赖于大量高分辨率的数据,脑电数据的采集实验存在过程繁琐、易受干扰、对被试和环境要求高等问题,因此很难获取足够的可用数据。人工数据生成是解决上述问题的途径之一,但脑电信号的非平稳性、时变敏感、个体差异性等特性致使人工数据生成成为脑机接口领域具有挑战性的研究课题。
【方法结果】该研究将脑电数据划分不同量级进行研究,创新性引入辅助合成思想,设计基于深度生成模型的人工脑电信号合成框架,解决人工合成脑电信号方法复杂、易产生冗余噪声、信息丢失的问题,提高人工脑电信号的质量和可靠性,并为解释人工数据和框架提供了多角度的可视化方法。实验结果表明在有限的脑电数据下,该方法对解码模型性能的提高优于目前主流的人工脑电信号生成算法,并且具备较低的训练复杂度。进一步实验表明该方法有效保留了真实脑电信号的特征分布,能促进解码模型表现出良好的泛化性和鲁棒性。这项研究为在数据不足的情况下生成人工脑电信号以提高脑机接口性能提供了一种新的研究方向和思路。
图1 论文封面
图2 人工脑电信号合成框架图