HA-FuseNet分类网络

跨被试准确率68.5%

融合多尺度密集连接与混合注意力机制，显著提升运动想象分类的鲁棒性和泛化能力。

Hailin, Tang

Frontiers in Human Neuroscience 2025

参数信息

平均被试内分类准确率

77.89 %

跨被试分类准确率

68.53 %

技术优势

跨被试更稳

全局自注意力模块捕捉长程依赖，减少个体差异对分类的影响。

省算力

轻量化设计减少计算开销，便于实时应用。

抗空间分辨率变化

模型对空间分辨率变化不敏感，适应不同电极配置。

应用场景

• 脑机接口：用高精度运动想象识别驱动外部设备，无需肢体动作。
• 神经康复：为运动功能障碍患者提供基于想象运动的康复训练反馈。
• 人机协作：用脑电信号直接传递操作意图，提升人机协作效率。
• 运动想象识别：分类左手、右手、脚、舌头四类运动想象，可扩展更多动作。