EEG 微状态序列作为脑机接口触发信号：基于运动想象分类的深度学习研究

一项预印本研究用基于 LSTM 自编码器与稠密神经网络的半监督深度学习架构，从 EEG 微状态序列中分类左手与右手运动想象，并将分类输出作为脑机接口触发信号。模型可提取微状态序列特征用于受试者内和会话内分类，迁移学习用于跨会话或跨受试者迁移时峰值分类准确率约 89%。研究显示，采用该方法的脑机接口校准平均约需 400 秒即可达到 80% 分类准确率。