DSGF-Net:面向跨被试 fNIRS 运动任务分类的轻量级双流门控融合网络

《Sensors》:DSGF-Net: A Lightweight Dual-Stream Gated Fusion Network for Cross-Subject fNIRS Motor Task Classification

【字体: 大 中 小 】 时间:2026年08月27日 来源:Sensors 4.0

编辑推荐:

   摘要

  

摘要

由于具有非侵入性和高应用灵活性,功能性近红外光谱(fNIRS)已成为运动想象(MI)脑机接口研究中的重要信号源。然而,fNIRS 信号表现出显著的个体间变异性、氧合血红蛋白(HbO)和脱氧血红蛋白(HbR)的互补信息以及复杂的时空动力学,这使得对其高效且鲁棒的分类具有挑战性。为解决这些问题,本文提出了一种双流门控融合网络(DSGF-Net)。该模型采用双分支架构对 fNIRS 信号进行互补特征建模:一个分支专注于提取多尺度时间动态特征,而另一个分支学习跨通道的血流动力学特征空间分布,从而有效地从不同角度刻画信号。在此基础上,设计了一种门控融合机制,在两路特征流融合后自适应地调整不同特征维度的重要性,从而增强融合表示的判别能力。在 MI 和 UFFT 两个公开数据集上,基于留一被试交叉验证(LOSO)的实验结果表明,该方法在分类准确率、F1 分数和 Kappa 系数等指标上取得了具有竞争力的性能。此外,对不同网络组件配置下性能的对比分析验证了双分支结构和门控融合机制对性能提升的贡献。此外,复杂度分析结果表明,DSGF-Net 在保持相对较小参数规模的同时实现了优越的分类性能,在性能和计算复杂度之间取得了良好的平衡。DSGF-Net 为基于 fNIRS 的离线运动任务分类提供了一种有效的轻量级深度学习框架,在跨被试 BCI 系统和脑信号解码中具有潜在应用价值。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号