对称双向跨模态网络

帕金森病异质信号诊断

面向帕金森病诊断的脑电-肌电融合网络，引入静息态自适应归一化校准个体差异，通过双向跨注意力捕获皮层-肌肉耦合，实现跨被试鲁棒识别。

陈晓玲 · Mingyu, Li · Peng, Wang · Dong, Zhang · Ping, Xie · Haohao, Zhang · Yuanyuan, Zhang

Applied Soft Computing Journal 2026

参数信息

识别准确率

90.21 %

F1 分数

89.69 %

技术优势

跨被试更稳

静息态自适应归一化进行个体校准，降低被试间和会话间基线差异，提升模型鲁棒性。

建模双向信息流

双向跨注意力机制动态捕获 EEG 与 EMG 间的皮层-肌肉耦合及方向性信息流，反映神经回路的双向特性。

揭示病理特征

可解释性分析发现 PD 患者方向性皮层-肌肉通信受损，提示其可作为潜在神经生理标志物。

应用场景

• 可穿戴医疗设备：在可穿戴设备上融合 EEG 与 EMG，实现院外帕金森病连续监测与早期筛查。
• 神经退行性疾病诊断：为帕金森病提供客观、可泛化的辅助诊断工具，减少主观评估差异。
• 生物信号处理：静息态自适应归一化处理跨会话信号漂移，提升生物信号预处理鲁棒性。
• 神经接口：通过双向耦合建模为神经接口反馈设计提供皮层-肌肉方向性信息。
• 多模态医学数据分析：利用跨注意力融合异质模态，解决多模态数据融合效率低的问题。