来源：期刊VIP网 时间：
作者：孟明;张帅斌;高云园;佘青山;范影乐;
单位：杭州电子科技大学自动化学院;
摘要：该文将运动想象脑电分类任务设计成应用型教学实验。针对传统图卷积网络（graphconvolutional neuralnetworks,GCN）无法建模脑电通道间动态关系问题，提出一种融合通道注意机制的多层图卷积网络模型（channel self-attention multilayer GCN,CAMGCN）。首先，CAMGCN计算脑电信号各个通道间的皮尔逊相关系数进行图建模，并通过通道位置编码模块学习通道间关系。然后将得到的时域和频域特征分量通过通道自注意图嵌入模块进行图嵌入，得到图数据。最后通过多级GCN模块提取并融合多层次拓扑信息，得出分类结果。CAMGCN深化了模型在自适应学习通道间动态关系的能力，并在结构方面提高了自注意机制与图数据的适配性。该模型在BCI Competition-Ⅳ2a数据集上的准确率达到83.8%，能够有效实现对运动想象任务的分类。该实验有助于增进学生对于深度学习和脑机接口的理解，培养创新思维，提高科研素质。
关键词：脑机接口;;脑电图;;图卷积网络;;注意力机制
基金资助：浙江省普通本科高校“十四五”教学改革项目(JG20220228);; 浙江省“十四五”研究生教学改革项目(2023-173);; 浙江省产学合作协同育人项目(2023-87);; 国家自然科学基金项目(62271181)
