基于卷积神经网络的烟瘾渴求脑电分类

被引：2

作者：

王艳娜 ^{[1
]}

孙丙宇 ^{[2
]}

机构：

[1] 中国科学院合肥智能机械研究所

[2] 中国科学技术大学合肥物质研究院

来源：

计算机系统应用 | 2017年 / 26卷 / 06期

关键词：

卷积神经网络; 深度学习; 脑电信号; 烟瘾渴求;

D O I：

10.15888/j.cnki.csa.005792

中图分类号：

R318 [生物医学工程]; TN911.7 [信号处理]; TP183 [人工神经网络与计算];

学科分类号：

0831 ; 0711 ; 080401 ; 080402 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

脑电信号分类问题是脑-机接口应用中的重点,而脑电信号分类的关键问题是如何寻找合适的特征.目前虽然有支持向量机、浅层神经网络等方法可以对脑电信号有效的分类,但是这些方法大都需要大量先验知识寻找数据的特征.由于脑电信号容易受到噪声干扰,尤其是在烟瘾渴求这种高级认知过程中,不同被试个体间具有很大差异,很难找到具有代表性的有效特征,脑电分类的准确率很难提高.为解决以上问题,本文采用一种基于卷积神经网络的方法对烟瘾患者在不同烟瘾渴求状态下的脑电信号的进行分类,与传统分类方法比,卷积神经网络不需要手动提取特征,能够直接训练原始的脑电信号数据,可以满足在实时反馈的烟瘾治疗过程对获取分类结果的快速需求.

引用

页码：254 / 258

页数：5

共 4 条

[1]

EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis[J] . Arnaud Delorme,Scott Makeig. Journal of Neuroscience Methods . 2003 (1)

[2]

ImageNet classification with deep convolutional neural networks .2 A. Krizhevsky,I. Sutskever,G. Hinton. Advances in neural information processing systems . 2012

[3]

Best Practices for Convolutional Neural Networks Applied to Visual Document Analysis .2 Patrice Y. Simard,Dave Steinkraus,John Platt. International Conference on Document Analysis and Recognition (ICDAR) . 2003

[4]

Convolutional Networks For Speech Detection .2 S. Skittanon,A. C. Surendran,J. C. Platt,C. J. C. Burges. Interspeech . 2004

← 1 →