摘要详情
68 / 2021-10-18 19:19:31
Classification of four-class motion imagination tasks based on EEG by combining EEG source imaging with convolution neural networks
EEG, EEG source imaging, convolution neural networks (CNNs)
终稿
Abstract—Goal: With the rapid development of electroencephalogram (EEG) technology, the brain-computer interface (BCI) based on motion imagination (MI) has been widely used. Aiming at the problem of low classification accuracy of multi-task MI, this paper adopted an innovative method. Method: This paper combines EEG source imaging with convolution neural networks to optimize the classification problem. Result: The results showed that the proposed method improved the classification accuracy compared with other studies. Significance: Scouts and convolution neural networks are applied to classify EEG signals, which provides a new idea for classifying EEG signals.
重要日期
-
会议日期
11月13日
2021
至11月14日
2021
-
09月30日 2021
报告提交截止日期
-
11月14日 2021
注册截止日期
主办单位
IEEE北京分会
中国生物医学工程学会医学物理分会
中国电子学会生命电子学分会
中国生物医学工程学会医学物理分会
中国电子学会生命电子学分会
承办单位
中国科学技术大学
安徽省生物医学工程学会
安徽省生物医学工程学会
联系方式
- Mrs. Yang
- ic******@ustc.edu.cn
- +86********
历届会议
-
2017年11月04日 中国 Beijing,China
2017 International Conference on Medical Imaging Physics and Engineering -
2017年11月03日 中国 海淀区
2017 IEEE 国际医学影像物理和工程大会 -
2013年10月19日 中国 沈阳市
2013 IEEE国际医学影像物理和工程大会暨第七届中国医学影像物理学术年会
