仪器仪表学报

作者：谢 平，胡锦城，江国乾，王鹏宇，门延帝

单位：谢 平,1. 燕山大学电气工程学院，2. 河北省智能康复及神经调控重点实验室,,胡锦城,1. 燕山大学电气工程学院,,江国乾,1. 燕山大学电气工程学院，3. 河北省测试计量技术及仪器重点实验室,,王鹏宇,1. 燕山大学电气工程学院,,门延帝,1. 燕山大学电气工程学院,

关键词：脑电图;快速序列视觉呈现;多任务学习;卷积神经网络

基金：国家自然科学基金(U20A20192,62076216)、河北省自然科学基金(F2022203079)项目资助

针对快速序列视觉呈现的脑电图数据存在样本不平衡问题,提出一种基于多任务学习的快速序列视觉呈现脑电图分类模型。首先,建立深度共享特征提取模块,利用卷积神经网络自动学习共享参数,提取与任务关联的深度特征;其次,基于分类任务和超球约束任务构造多任务目标函数,利用两种任务的联合学习提取更有效的判别特征,提高模型泛化性。在快速序列视觉呈现公开数据集中进行实验,与常见的脑电分类模型DeepConvNet、EEGInception、DRL以及EEGNet相比,提出的Multi-taskEEGNet在32个受试者中平均AUC分别提升3.57%、1.84%、6.22%和2.09%。实验结果表明,提出的多任务学习模型能更充分地提取判别特征,有效提升模型分类性能,较好地解决EEG分类任务中样本不平衡问题。

来源：2023年第11期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2023年第11期