多尺度卷积Transformer网络

运动想象解码提升

多分支多尺度卷积与Transformer结合，显著提升运动想象脑电信号解码性能，跨被试泛化能力优异。

赵威 · Zhang, Baocan · Zhou, Haifeng · 魏德志 · 黄晨曦 · 兰泉

Scientific Reports 2025

参数信息

平均准确率

82.95 %

平均准确率

88.00 %

Kappa值

0.7726

Kappa值

0.7599

技术优势

适应个体差异

多分支多尺度CNN结构有效应对EEG信号的个体差异，增强模型泛化能力。

捕捉全局依赖

Transformer编码器加强全局特征整合，提高解码性能。

超越现有方法

在两个公开数据集上，MSCFormer的平均准确率和kappa值超越多种现有方法。

应用场景

• 脑机接口：提供更准确的脑电信号解码，提升BCI系统的实时控制能力。
• 运动想象：改善运动想象任务的识别精度，适用于神经康复和假肢控制。
• EEG信号解码：通过多尺度特征和全局依赖建模，提高EEG信号解码的鲁棒性。
• 神经康复：为运动功能康复提供更准确的脑机接口控制信号。
• 智能假肢控制：提升假肢控制的意图识别准确率，实现更自然的操控。