陕西科技大学研究人员开发脑电分类框架DWDANet,针对不同人脑电信号存在差异、模型难以跨人泛化的问题,将多尺度时空特征建模与动态加权域对齐结合。在BCI IV-2a、BCI IV-2b和SHU-MI三个数据集上,跨受试者分类准确率分别为70.61%、81.43%和64.38%,均优于研究所比较的现有方法。研究还报告了受试者内评估结果。两类评估的适用条件不同,不能将受试者内较高的准确率直接视为模型用于新用户时的表现;这些数据集结果也不代表已验证实际康复效果。
推荐理由
该框架不仅提取单个脑电信号的时空特征,还动态调整多个来源域在对齐过程中的权重。其关注点是如何利用不同来源的数据改善跨人分类,而非仅提高同一受试者数据上的识别率。