基于深度学习的脑电波采集数据特征提取与分类

智研平台会员

登录机构账号

复制成功

设置

万方会员

暂未开通会员

开通即享超值福利、会员权益
优质内容推荐

立即开通

个人中心

我的智研

退出登录

简繁

搜索

DOI: 10.12361/2661-376X-07-11-174576

基于深度学习的脑电波采集数据特征提取与分类

徐裕森, 洪阿兰, 林毓媛

厦门理工学院软件工程学院, 泉州职业技术大学影传产业学院

全文直达

引用

打印

摘要：随着深度学习技术的发展，通过 EEG 数据的特征提取和分类已有越来越多的关注度在神经科学交叉学科中展开。 EEG 信号是体现人脑活动的主要信息源，EEG 信号具有时间分辨率极高以及包含丰富的生物信息。本文深入地探讨了基于深度学习的 EEG 数据处理，其中主要涉及卷积神经网络 (CNN) 和循环神经网络 (RNN) 提取 EEG 信号特征进行分类的工作实际应用情况分析。通过有效预处理和特征提取后的深度学习模型，可以通过自行提取更多、更深的特征实现更高精度的分类。测试结果表明，相比传统 EEG 的数据处理，深度学习的方法对于更为复杂的数据能实现更强抗干扰的处理效果及高精准度的处理能力。

关键词：

脑电波；深度学习；特征提取；数据分类；神经网络

Universe Scientific Publishing

ISSN：2661-3751

年,卷(期)：2025,7(11)