MMFeb, 2023

采用电极聚类和带通分析技术的脑电数据在注视估计中的应用

PDF
TL;DR本研究验证了以前出版论文的研究结果，并展示了基于脑电图的凝视估计的可行性，通过使用数据驱动方法，我们证明在模型表现略微下降的情况下，可以显著减少电极数量，从而不需要高密度昂贵的 EEG 帽就可以完成 EEG 基础的凝视追踪。我们确定了哪些电极簇对凝视估计有影响，以及不同类型的 EEG 数据预处理对模型性能的影响，并最终检查了记录的频率对所定义任务最重要的方面。
electroencephalography (eeg)gaze estimationmodel performanceelectrode clusterseeg data preprocessing
发现论文，激发创造
  • 使用脑电图的可解释和注意力机制的凝视估计方法

    本文利用同时测量的脑电图 (EEG) 和眼动数据集，提出了一种可解释的基于关注机制的深度学习框架用于估计眼球注视方向，通过对结果的分析可见该方法在准确性和鲁棒性方面优于现有方法，并提供了解释和强调注意力机制在 EEG 数据分析中提高效率和有效性的潜力。

    Aug, 2023

  • 基于信号处理和深度神经网络的优化脑电情绪检测

    本研究使用电脑建立了一个基于神经网络的智能决策模型，通过 EEG 检测来识别人类主观情绪，并采用一些信号处理技术和算法，实验结果表明该模型能够提高情绪检测的准确性。

    Mar, 2023

  • 基于脑电信号的癫痫发作检测中特征提取与性能评估综述

    这篇论文综述了使用机器学习方法和不同特征对于 EEG 信号中癫痫发作进行检测的研究现状，通过实验选取了数个有显著预测能力的特征以提高检测效果。

    Aug, 2019

  • 基于深度学习的眼动追踪脑电图数据分割

    介绍了一种名为 DETRtime 的新框架，该框架利用 EEG 数据而无需额外记录眼球跟踪模式，实现了时间序列的分割，实现了多种眼球跟踪实验范式的最新最优性能，同时在 EEG 睡眠阶段的分割任务中得到了良好的泛化表现。

    Jun, 2022

  • EEGEyeNet：一份同时包含脑电图和眼动数据的预测眼动的基准数据集

    本论文提出了一个新的数据集和基准，旨在推进大脑活动和眼动交叉领域的研究。使用该数据集，我们还提出了一个 EEG 测量下注视预测的基准，并对此进行了广泛的实验，为基础机器学习模型和大型神经网络提供了坚实的基础。

    Nov, 2021

  • 基于深度学习的脑电图分析：系统综述

    通过对 156 篇 DL 和 EEG 论文的回顾和分析，发现 DL 在 EEG 信号识别方面取得了 5.4% 的精度提升，但大多数论文难以复现，因此提出了建议以支持该领域的进一步发展。

    Jan, 2019

  • 基于 t - 位置 - 比例分布和最近邻分类器的癫痫信号尖波检测研究

    基于 k 最近邻分类和 t 位置尺度统计表示，我们在真实数据集上提出了一种用于检测尖波的癫痫脑电信号的模式分类方法，并在分类准确率、敏感性和特异性方面对性能进行评估。

    May, 2024

  • 预想语音识别的脑电波频带分析

    本文考虑使用 EEG　信号来实现想象中说出的话的识别，并对不同频带和大脑不同区域的信号进行分析，使用包含卷积神经网络（CNN）和长短时记忆网络（LSTM）的时空深度学习架构，在数字、字符和图像三个分类任务中获得了较高的分类准确性，其代码已在网站上公开。

    Mar, 2022

  • 基于 EEG 的图像特征提取与深度学习视觉分类

    本研究采用一种有效的编码方式将脑电信号编码为图像，从而实现对深度学习模型中的脑信号进行更细致的理解，并将其与标准图像特征相结合，以提高深度学习模型的可解释性。通过在六个受试者的层数据集上对 39 个图像类别进行编码分类，该方法在 82% 的准确率方面优于现有工作，从而证明了该理论的可行性。

    Sep, 2022

  • 一种基于显著性特征融合的 EEG 情感估计模型

    本文提出了一种双模型方法，结合了基于序列的 EEG 幅值表示和基于图像的表示。采用基于显著性分析的图像模型，促进了两个模型部分的联合学习。在四个公开数据集上进行评估，结果表明本方法优于现有方法，在情感估计任务上取得了较高的稳定性。

    Jan, 2022