基于多通道注意力的脑电信号识别方法研究.pdf

基于多通道注意力的脑电信号识别方法研究

摘要

脑电信号识别是指通过记录和分析人脑的电活动来识别特定的脑状态或活动的技

术，这项技术通常使用脑电图来记录大脑皮层上的活动，脑电信号识别在许多领域都

有应用，如医学、神经科学、心理学和工程学等。但是，在各领域对信号特征进行提

取的时候，所使用的特征提取方法容易忽视脑电信号本身蕴含着的大量时空间信息，

导致对于脑电信号的时空间信息的提取不充分，进而导致信号长期依赖关系的缺失；

同时在使用现代高精度脑电信号采集装置所采集的脑电信号数据进行脑电识别任务的

时候，冗余数据会造成识别性能和精度下降。

针对上述问题，本文提出了一种基于多通道注意力的脑电信号识别方法，方法首

先对原始脑电信号进行一系列预处理，然后作为特征提取和分类模型的输入。模型主

要是通过将脑电信号时间序列编码及电极位置空间编码应用于脑电信号单通道时序特

征提取和多通道的通道选择，模型首先针对脑电信号的时序特性设计了单通道时序编

码注意力和多通道卷积降维融合两个模块，由时序编码器添加时序编码学习信号的时

序信息后，再由基于自注意力机制进行特征重构，使得模型能够学习到长期依赖关系；

随后由卷积降维和多通道特征融合模块将提取后的多通道特征矩阵进行卷积降维和全

局融合操作，最后由分类器输出分类结果实现对癫痫疾病的精准分型。模型在CHB-

MIT和波恩癫痫检测数据集上分别达到了0.9597和0.9831的准确率，并在CHB-MIT数

据集上进行了两个模块的消融实验，验证了它们对于结果检测的有效性。

此外，本文又针对上述方法中模型在CHB-MIT数据集上出现的某些病例数据假阳、

假阴预测偏高的问题展开分析解决，在原有模型基础上进行了优化，提出了一种基于

电极位置编码的多通道交叉注意力模型，该模型通过设计的电极位置编码来学习脑电

信号多个通道的空间信息，多通道协调注意力模块再通过多通道位置编码模块学习到

的通道之间的空间信息，来评估多个通道之间的连接，最终实现在基于注意力机制的

通道选择的基础上，加强对通道之间关联性的学习，减弱通道选择以及卷积的降维操

作所带来的负面影响。模型在CHB-MIT数据集上经过观察验证没有再次出现过高的假

阳、假阴问题，最终以较高的推理速度和较低的参数量达到了0.9634、0.9544、0.9536、

0.9472的准确率、灵敏性、特异性、F1得分，领先于目前领域的相关模型方法，进而

应用并验证了所提出的基于多通道注意力的脑电信号识别方法。

关键词：脑电信号癫痫检测；时序注意力模型；通道位置编码；交叉注意力

基于多通道注意力的脑电信号识别方法研究

Abstract

Electroencephalogram(EEG)signalrecognitionreferstothetechniqueofidentifying

specificbrainstatesoractivitiesbyrecordingandanalyzingtheelectricalactivityofthebrain.

ThistechnologytypicallyutilizesEEGtorecordactivityonthecerebralcortex.EEGsignal

recognitionhasapplicationsinvariousfieldsincludingmedicine,neuroscience,psychology,

andengineering.However,EEGsignalsinherentlycontainsignificantspatiotemporal

information,andexistingmethodsofteninadequatelyextractthisinformation,leadingtoaloss

oflong-termdependencyrelationshipsinsignals.Additionally,whenus