BriefGPT - AI 论文速递
·
以二维图像为表示的适当拓扑地图上的时空汇聚用于脑电图分类
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文章介绍了一种基于脑电信号的新方法，利用t-SNE生成二维拓扑地图，并使用InternImage提取空间特征。通过PoolFormer的时空汇聚，利用脑电图像中的时空信息。实验结果显示，该方法在跨个体验证中具有最佳的分类精度。
🎯
关键要点
- 该文章介绍了一种基于脑电信号的新方法。
- 利用t-SNE生成二维拓扑地图。
- 使用InternImage提取空间特征。
- 通过PoolFormer的时空汇聚利用脑电图像中的时空信息。
- 实验结果显示该方法在跨个体验证中具有最佳的分类精度。
- 在二、三、四类运动想象任务中，分类精度分别达到了88.57%、80.65%和70.17%。
➡️
