Journal of Neural Engineering（Crossref）·· 3 天前AI 评分52
ACF-Net：面向跨受试者可穿戴 EEG-EMG 手势识别的自适应跨模态融合网络
ACF-Net: Design of an adaptive cross-modal fusion network for cross-subject wearable EEG-EMG gesture recognition
AI 导读
ACF-Net 是一个把皮层-肌肉耦合先验嵌入融合结构的四阶段网络，用于跨受试者可穿戴 EEG-EMG 手势识别。在留一受试者验证中，它在 WAY-EEG-GAL（12 名受试者）上达到 87.6%，在 WEE-Ges（20 名受试者，三天）上达到 89.2%，分别比最强基线高 9.4 和 9.1 个百分点，校正后比较均显著。
AI 要点
团队
论文发表于 Journal of Neural Engineering，原文未列出作者与所属机构。
主要结果
WAY-EEG-GAL 上达 87.6%、WEE-Ges 上达 89.2%，比最强基线分别高 9.4 和 9.1 个百分点，校正后均显著。
解决什么问题
针对跨被试可穿戴 EEG-EMG 手势识别中跨模态注意力对称、先验仅事后分析、单模态不变性和需目标域标注四个问题。
方法
四阶段流程：CMC-Prior 注入相干性先验，GC-Attn 仅允许 EEG→EMG 30–120 ms 影响，SPD 流形嵌入，PC-TTA 仅更新 BN 仿射参数。
局限
从研究设计看，验证限于 WAY-EEG-GAL（12 人）和 WEE-Ges（20 人、三天）两个数据集，未涉及其他被试群体或场景。
AI 依据原文整理，未经人工核对。
来源：Journal of Neural Engineering（Crossref） · doi.org