EEG-fNIRS双流网络

多模态精度95.86%

以(2+1)D双流架构在四维张量中实现EEG与fNIRS的时序与空间对齐，早期融合显著超越单模态EEG。

Binlong, Yu · 曹磊 · Jie, Jia · Fan, Chunjiang · Dong, Yilin · 朱昌明

Biomedical Signal Processing and Control 2025

参数信息

运动想象分类准确率

95.86 %

心算分类准确率

95.80 %

相对EEG单模态准确率提升

1.25 %

技术优势

精度超越单模态

在运动想象和心算任务上，早期融合EEG与fNIRS的准确率均高于仅用EEG。

跨被试性能稳定

不同被试间的结果变异性小，表明融合两种信号带来了互补效应。

显式时空对齐

采用统一四维张量表示，显式实现EEG与fNIRS在时间和空间维度上的对齐。

免偏置设计

(2+1)D架构中去除偏置项，可能简化训练并提升泛化性。

应用场景

• 脑机接口：作为多模态BCI系统核心，提高运动想象与心算分类精度。
• 多模态信号处理：用统一张量表征实现EEG与fNIRS时空对齐与融合。
• 神经康复与辅助设备：高稳准的多模态脑信号分类可用于神经康复与辅助控制。