基于深度学习的脑电波采集数据特征提取与分类

徐 裕森¹, 洪 阿兰¹, 林 毓媛²
1、厦门理工学院软件工程学院
2、泉州职业技术大学影传产业学院

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

参考

[1] 陈思宇 ; 林佳豪 . 深度学习在脑电波信号处理中的应

用研究 [J]. 计算机科学与应用 , 2023(15): 45-50.

[2] 张晓蕾 ; 蔡海宁 . 基于卷积神经网络的脑电波特征提

取方法研究 [J]. 自动化技术与应用 , 2022(12): 78-83.

[3] 孙睿翔 ; 刘静雅 . 脑电波数据分类的深度学习方法进

展 [J]. 神经科学前沿 , 2023(3): 55-60.

[4] 王铭哲 ; 周佳琪 . 脑电信号特征提取与深度学习分类

的综合研究 [J]. 信息与计算科学 , 2024(1): 95-100.