团队近期成果--基于平行卷积神经网络的EEG运动形象信号处理
我们团队和上大机自学院李龙副教授团队在国际期刊《Biomedical Signal Processing and Control》（IF:2.954，中科院2区）上在线发表论文“A classification method for EEG motor imagery signals based on parallel convolutional neural network. ” 该期刊在JCR及中科院SCI期刊分区为二区。该论文上海大学计算机学院为第一单位，韩越兴副教授为第一作者和通讯作者。
深度学习已在目前的研究中广泛成功地应用于不同类型的分类图像。然而，迄今为止，深度学习方法在脑电图(EEG)运动中的应用图像分类非常有限。本研究提出了一种针对脑电图信号的预处理算法表示然后，提出了一种并行卷积神经网络(PCNN)结构来对运动进行分类图像信号。对于原始脑电图信号的表示，创建了一种新形式的图像来结合空间滤波和频带一起提取。通过将所表示的图像输入PCNN，它会进行堆栈三个独特的子模型结合在一起，旨在优化分类的性能。的平均精度该方法在BCI竞争IV数据集2b上达到了83.0±3.4%，优于比较方法方法至少为5.2%。该方法在数据集2b上的平均Kappa值达到0.659±0.067，与所比较的算法相比，至少有20.5%的改进。结果表明该方法在脑电图运动成像信号分类中表现较好。