A Dual-Branch Graph and Convolutional Network for Interpretable Movement EEG Classification

AI 摘要

研究者提出一种双分支网络架构，将受LGGNet启发的局部-全局图分支与EEGNet风格的卷积分支结合，用于脑电信号中的上肢运动与静息二分类。图分支把61个电极按解剖区域分组并学习其空间关系，从而直接呈现模型重点关注的脑区。在Ofner上肢运动数据集上采用留一被试交叉验证，平均F1为0.74±0.06；对所有留出被试，连接最强的区域均为左侧顶叶低区（电极P1、P3），该区位于执行右臂运动的对侧，属于此前被认为参与上肢运动处理的后顶叶区域。