🤖 machine learning

EEG Decoding Using CNN and LSTM Network

本文提出了一种结合卷积神经网络（CNN）与双向长短期记忆网络（bi-LSTM）的混合深度学习架构，旨在针对受试者相关及受试者无关的分类任务，实现对运动想象脑电（EEG）信号的鲁棒解码。

原作者： Athanasios Karagounis

发布于 2026-08-14

📖 1 分钟阅读☕ 轻松阅读

原作者： Athanasios Karagounis

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你的大脑是一个繁忙的城市，数以十亿计的微小信使（神经元）正在不断地向彼此大声传递信息。有时，这些信息是关于移动你的手，或者仅仅是想象移动你的手。脑机接口（BCI）就像一个超级先进的对讲机，试图倾听这些低语，并将它们转化为计算机、机器人或视频游戏的指令。对于那些因疾病或受伤而无法移动身体的人来说，这是一件大事，因为它为他们提供了一种与世界交流的新方式。

但问题在于：大脑的信号极其杂乱。这就像试图在成千上万名观众欢呼的体育场里，听清一个人的低语。信号微弱、充满噪声且难以理解。长期以来，科学家们必须手动清理这些噪声，并猜测哪些部分的信号才是重要的，这有点像是在用手从干草堆里寻找一根针。最近，计算机开始使用“深度学习”——一种能够自动学习模式的人工智能——来更好地完成这项工作。然而，即使是这些聪明的计算机，有时也难以捕捉到完整的故事，因为脑电信号会随时间而变化，计算机需要同时理解信号来自哪里以及它在何时发生。

这就是 Athanasios Karagounis 的研究介入的地方。研究人员构建了一种新型的“大脑阅读”机器，它结合了两种强大的人工智能工具：卷积神经网络（CNN）和双向长短期记忆（bi-LSTM）网络。你可以把 CNN 想象成一名超级侦探，它扫描大脑的电图以寻找最重要的位置，就像收音机调频器寻找清晰的电台一样，过滤掉静态噪声。一旦 CNN 找到了好的线索，bi-LSTM 就会扮演起时空旅行侦探的角色。它不仅仅按发生的顺序观察线索，还会同时查看信号的过去和未来，从而理解一个人想象内容的完整故事。

该论文在两组不同的数据上测试了这种新型混合系统：一组来自六名健康人士的私人录音，以及来自其他研究人员的几个公开数据集。目标是观察计算机是否能分辨出人们是在想象移动左手、右手，还是甚至是在移动舌头。结果令人鼓舞。这个新的 CNN&bi-LSTM 团队击败了像线性判别分析（LDA）和支持向量机（SVM）这样旧有的标准方法。在针对私人数据的测试中，新系统的平均正确率约为 85.4%，而旧方法的正确率则在 69% 到 79% 之间徘徊。更有趣的是，即使在训练数据量减少的情况下，该系统依然表现良好，这表明它具有鲁棒性，不需要海量的示例库来学习。

研究人员发现，当系统专注于头部的 40 个特定电极（传感器）而非使用全部 64 个电极时，学习效果最好，这实际上有助于避免对数据“过度思考”。他们还发现，人工智能不仅仅是在死记硬背信号，它开始识别出看起来像波浪的复杂模式，随着它深入挖掘自身“大脑”的层级，它变得越来越精明。虽然相对于现有方法的提升是稳步提升而非爆发式增长，但这项研究表明，将空间滤波（寻找正确的位置）与双向时间建模（理解时间的流动）相结合，是解码我们思想的一种更聪明的方式。论文总结道，这种方法提供了一种统一且可靠的方式，将杂乱的脑电波转化为清晰的指令，有望为那些最需要的人铺平通往更好康复工具的道路。

技术摘要：基于 CNN 与 LSTM 网络的高级脑电图（EEG）解码

问题陈述
运动想象（MI）脑机接口（BCI）通过将想象的运动转化为控制信号，而不要求显性的物理运动，为中风或神经退行性疾病患者提供了一条充满前景的通信途径。然而，由于脑电图（EEG）记录中固有的巨大噪声，以及信号与底层大脑活动之间复杂且弱信息性的关系，实现可靠的运动想象脑电图（MI-EEG）解码仍然具有挑战性。虽然深度学习提供了一种直接从原始信号中学习表征的方法，但其在 MI-EEG 特征学习方面的应用相对有限。此外，仅依赖于单个卷积神经网络（CNN）或循环神经网络（RNN）的传统深度学习流水线通常需要大量的辅助人工进行特征工程、参数优化和模型训练，无法充分捕捉必要的空间和时间依赖性。

方法论
本研究提出了一种混合深度学习架构，该架构集成了卷积神经网络（CNN）与双向长短期记忆（bi-LSTM）网络，旨在解决上述局限性。

数据采集与预处理： 该框架使用一个包含 64 个电极的私有数据集（D1）以及三个电极数量不同（32 或 64 个）的公开数据集（D2–D4）进行评估。预处理过程包括将信号参考至顶点电极（Cz）、选择主要的 MI-EEG 电极位置（例如 C3、C4、P3、P4）、应用基于小波的去噪，并在 8–23 Hz 范围内进行带通滤波，以分离 $\mu$ 和 $\beta$ 节律。
CNN 特征提取： CNN 组件作为空间滤波器，旨在直接从原始 MI-EEG 记录中学习高层空间和时间表征。它采用 8 个卷积核大小为 $[36 \times 1]$ 的空间滤波器，将原始 EEG 通道转换为面向任务的特征表征。该层执行的学习空间滤波类似于带通滤波和能量提取，减少了对人工特征选择的依赖。
批归一化（Batch Normalization）： 为了提高泛化能力并加速优化，在特征提取后应用了批归一化（BN）。它将输入归一化为均值为零、标准差为一，从而减轻内部协变量偏移。
双向 LSTM 建模： 提取的特征由 bi-LSTM 网络处理，以建模时间动态和依赖关系。与仅利用先前输入的标准 LSTM 不同，bi-LSTM 会在正向和反向两个方向处理序列。这使得网络能够结合来自早期和后期观测值的上下文信息，从而捕捉跨越不同时间尺度的互补依赖关系。该网络利用标准的 LSTM 门控（输入门、遗忘门、输出门）和细胞状态来缓解梯度消失问题。
训练策略： 模型使用交叉验证进行训练，并采用均方误差（MSE）作为目标函数，选择 MSE 是因为数据中存在静息态间隔。通过使用 LASSO 导出的系数进行监督预训练来初始化权重，这提供了一个与最小二乘回归相关的解，随后再针对时间相关性进行优化。

核心贡献

混合架构： 本文引入了一种专门设计的 CNN&bi-LSTM 架构，旨在保留具有信息量的长程时间模式，同时提高基于 MI-EEG 的 BCI 分类性能。
端到端学习： 该框架直接从原始 EEG 测量值中学习空间和时间依赖关系。CNN 在无需人工工程的情况下提取特征，而 bi-LSTM 通过建模序列动态来改善时间依赖性的表征。
全面评估： 该方法通过一个私有数据集和多个公开数据集进行了广泛评估，展示了在不同受试者群体和实验配置下的性能。

实验结果
将所提出的方法与线性判别分析（LDA）、支持向量机（SVM）、标准 CNN 以及 RNN 进行了对比。

私有数据集 (D1)： CNN&bi-LSTM 模型在七名受试者中实现了 85.4% 的平均分类准确率。其表现优于 LDA (69.5%)、SVM (73.0%)、CNN (75.9%) 和 RNN (79.5%)。最高的受试者特定准确率达到了 92.5%。
公开数据集 (D2–D4)： 该混合模型始终优于其他机器学习和循环架构。在 D2、D3 和 D4 上，所提模型的准确率分别达到了 81.80%、87.97% 和 85.32%。这些结果优于单层 LSTM、多层 RNN 和时空 CNN（ST-CNN），表明将卷积特征提取与双向时间建模相结合，比单纯增加网络深度更为有效。
鲁棒性： 实验表明，该架构对训练数据规模的缩减具有相对鲁棒性，在使用仅 60% 的可用数据时仍能保持约 89% 的准确率。此外，性能在 40 个电极时达到峰值，这表明过多的通道数可能会导致过拟合。

意义与主张
本文声称，所提出的 CNN&bi-LSTM 架构提供了一种统一机制，将低层 EEG 测量值转化为包含时间及频率相关信息的更高层表征。结果表明，该方法可以有效地强调 MI-EEG 信号中有信息量的成分，并在不同数据集和受试者之间实现具有竞争力的分类性能。作者认为，使用双向循环建模代表了传统基于频谱特征的 EEG 分析的一种潜在替代方案。他们指出，这种方法可能支持未来的研究和基于 MI-EEG 的康复系统的实际应用，为受试者无关的解码提供稳健的解决方案。

类似论文