期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于并行CNN和Transformer的脑电降噪网络
被引量：
3
1
作者
尹瑾
刘爱萍
+2 位作者
李畅
钱若兵
陈勋
《信号处理》
CSCD
北大核心
2023年第8期1419-1432,共14页
脑电图(electroencephalography,EEG)是一种反映大脑皮层电生理活动的技术,经常用于生物医学领域的各种应用中,但其采集过程容易受到多种噪声的污染,这些噪声会影响EEG信号的准确性和可靠性,因此脑电降噪是EEG分析中必不可少的一步。目...
脑电图(electroencephalography,EEG)是一种反映大脑皮层电生理活动的技术,经常用于生物医学领域的各种应用中,但其采集过程容易受到多种噪声的污染,这些噪声会影响EEG信号的准确性和可靠性,因此脑电降噪是EEG分析中必不可少的一步。目前,基于深度学习的方法在多个基准数据集中已展现出优于传统方法的降噪性能,然而现有的基于深度学习的方法仍存在以下问题:现有的网络结构在设计时没有充分考虑信号的时序依赖性。由于不同伪影信号具有不同的形态特征,仅考虑局部或全局的时序依赖性,难以在多种伪影移除任务上获得理想的降噪效果。基于此,本文设计了一种新的脑电降噪网络CTNet。CTNet采用了CNN-Transformer结构,通过结合CNN和Transformer的优点提取潜在的判别性特征,具体来说,CNN单元和Transformer单元分别用于提取局部和全局的时序依赖性特征,通过结合局部和全局的特征更好地抑制伪影信号。为了评估CTNet在EEG降噪方面的性能,本文在四种不同的伪影移除任务上对其进行了评估,实验结果表明,CTNet在各种噪声条件下均具有较强的噪声抑制能力。在公开数据集上的实验结果表明,CTNet在多种伪影上均可获得最低的RRMSE、最高的CC和SNR,如在EMG伪影移除任务中,相比于NovelCNN,CTNet的RRMSE降低了8.67%,CC增加了1.41%,SNR增加了7.06%,上述实验结果证实了该网络在脑电降噪任务上的优越性。
展开更多
关键词
深度神经网络
脑电图
脑电降噪
脑电伪影移除
在线阅读
下载PDF
职称材料
题名
基于并行CNN和Transformer的脑电降噪网络
被引量：
3
1
作者
尹瑾
刘爱萍
李畅
钱若兵
陈勋
机构
中国科学技术大学
电子工程与信息
科学
系
合肥工业
大学
生物医学工程系
中国科学技术大学附属第一医院神经外科癫痫中心
出处
《信号处理》
CSCD
北大核心
2023年第8期1419-1432,共14页
基金
国家重点研发计划(2021YFF1200600)
国家自然科学基金面上项目(32271431)
国家优秀青年科学基金(61922075)。
文摘
脑电图(electroencephalography,EEG)是一种反映大脑皮层电生理活动的技术,经常用于生物医学领域的各种应用中,但其采集过程容易受到多种噪声的污染,这些噪声会影响EEG信号的准确性和可靠性,因此脑电降噪是EEG分析中必不可少的一步。目前,基于深度学习的方法在多个基准数据集中已展现出优于传统方法的降噪性能,然而现有的基于深度学习的方法仍存在以下问题:现有的网络结构在设计时没有充分考虑信号的时序依赖性。由于不同伪影信号具有不同的形态特征,仅考虑局部或全局的时序依赖性,难以在多种伪影移除任务上获得理想的降噪效果。基于此,本文设计了一种新的脑电降噪网络CTNet。CTNet采用了CNN-Transformer结构,通过结合CNN和Transformer的优点提取潜在的判别性特征,具体来说,CNN单元和Transformer单元分别用于提取局部和全局的时序依赖性特征,通过结合局部和全局的特征更好地抑制伪影信号。为了评估CTNet在EEG降噪方面的性能,本文在四种不同的伪影移除任务上对其进行了评估,实验结果表明,CTNet在各种噪声条件下均具有较强的噪声抑制能力。在公开数据集上的实验结果表明,CTNet在多种伪影上均可获得最低的RRMSE、最高的CC和SNR,如在EMG伪影移除任务中,相比于NovelCNN,CTNet的RRMSE降低了8.67%,CC增加了1.41%,SNR增加了7.06%,上述实验结果证实了该网络在脑电降噪任务上的优越性。
关键词
深度神经网络
脑电图
脑电降噪
脑电伪影移除
Keywords
deep neural network
electroencephalogram
electroencephalography denoising
electroencephalography artifact removal
分类号
TN911.7 [电子电信—通信与信息系统]
R741.044 [医药卫生—神经病学与精神病学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于并行CNN和Transformer的脑电降噪网络
尹瑾
刘爱萍
李畅
钱若兵
陈勋
《信号处理》
CSCD
北大核心
2023
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
