CPESNet运动想象解码模型

跨窗口共享模式提取

一种利用通道先验与共享全连接层提取单试次内跨窗口共同模式、轻量且可解释的运动想象脑电解码模型。

Yangjie, Luo · Haoran, Wang · Chen, Zihua · Wang, Junkongshuai · 甘中学 · 张利华 · Kang, Xiaoyang

Neurocomputing 2026

参数信息

分类准确率（BCI Competition IV 2a）

85.88 %

分类准确率（High-Gamma）

92.96 %

技术优势

准确率更高

在两个公开数据集上均取得领先结果：BCI Competition IV 2a上85.88%，High-Gamma上92.96%。

模型更轻量

共享全连接层提取多个窗口的共同模式，避免为每个窗口单独建模，从而减少参数量。

早期MI阶段可解释

共享层参数可视化显示，早期MI阶段具有最强的判别性神经特征，为意图解码的关键时刻提供了可解释依据。

应用场景

• 脑机接口：提供高精度脑电解码，提升BCI系统的控制可靠性和响应速度。
• 运动想象解码：专门针对运动想象任务设计，提升对想象动作的识别能力。
• 神经信号分类：有效分类脑电信号，为神经信号处理提供通用模型。
• 辅助技术：可集成到辅助设备中，帮助运动障碍患者实现意念控制。