基于同步性脑网络的注意力识别研究

来源：计算机技术与发展杂志2023年第02期北京时间：

作者：王励烨;丁威威

摘要：检测人类大脑的注意力状态是脑机接口技术的一个研究热点。 从 EEG( Electroencephalogram) 脑网络的视角来探寻注意力的形成机理并进行分类研究,提出了一种基于同步性脑网络和信息增益的注意力分类算法( SBN-IG) 。 该算法采用锁相值( Phase Locking Value,PLV) 构建脑网络提取大脑信息的耦合关系,同时为了保留脑网络结构的信息,采用卷积神经网络作为分类器,构建了一种基于同步性脑网络的注意力分类算法(SBN) ,分类准确率达到了 90. 09% 。 为了后续的应用需求,对 SBN 增加了基于信息增益的特征稀疏算法,以充分提取脑网络的重要连接信息,降低特征的冗余度,构成算法 SBN-IG。 结果表明,特征稀疏后使用 13 个电极就能够实现 86. 88% 的分类准确率,同时提升了算法效率,降低了运算量,为实时检测注意力设备研发提供了算法基础。

关键词：注意力分类;卷积神经网络;特征选择;锁相值;信息增益