【论文】脑机接口论文被ISCAS 2022会议接收

Zexu Wu, et al “Coupling Convolution, Transformer and Graph Embedding for Motor Imagery Brain-Computer Interfaces” IEEE International Symposium on Circuits and Systems (ISCAS 2022).

本团队利用深度学习中的注意力机制结合图论等相关知识对基于运动想象的脑机接口分类任务进行识别，并取得了优异的效果。

脑机接口（Brain-computer Interface, BCI）的目的是对包含用户意图的脑信号进行测量和定量的特性分析，并把测量结果实时转化为设备意图指令，同时为用户提供反馈。BCI系统首先收集到人脑或其他动物产生的脑电信号，随后对脑电信号进行处理，收集到的信号特性称为信号特征（简称为特征）。特征提取是从无关内容中辨识相关信号特性，并把其表达为有意义的形式的过程，这样研究人员便可对特征进行辨识并剔除其无用的特征，并对特征进行算法训练产生控制信号。产生的控制信号将作用于外部的设备当中，除此之外，各个环节的作用仍可对之前的环节产生反馈信号以调节系统整体稳定性，图1展示了BCI的整体结构。目前脑机接口已经广泛应用在了医疗康复、机械臂控制、轮椅控制等领域。一些瘫痪人士难以做出常规的肢体运动，然而脑机接口技术的出现使得瘫痪人士能够通过脑部活动产生的电信号识别用户的意图并通过脑控外部设备实现与外界的交流，这也为残疾人士带来了康复的曙光。

运动想象（Motor Imagery，MI）是指人在想象自己肢体或肌肉运动但不产生实际的运动输出时，人的特定脑区仍会激活，通过分析脑电信号，检测识别不同脑区的激活效果来判断用户意图，进而实现人脑与外界设备之间的直接通信与控制。目前国际上常见的运动想象部位为：左右手、双脚和舌头。目前的研究已经证明，在单手准备和执行运动时，对侧感觉运动皮质脑电信号中α频段（8-12Hz）和β频段（13-30 Hz）出现振幅降低现象，并称为事件相关去同步(ERD)，代表受激活的皮质脑电信号振幅减低；同时，运动手同侧的脑皮质信号中α频段（8-12 Hz）和β频段（13-30 Hz）出现振幅增加现象，称为事件相关同步（ERS）代表相应皮质在静息状态下出现波幅增高。基于这种关系，通过人大脑主动控制左、右脑α、β节律幅度的高低就可以产生多种控制指令。因其简单、可操作性强、有助于康复训练的特点，运动想象-脑机接口受到了广大研究人员的关注。

近年来，深度学习的方法在各个领域均表现出了极大的应用潜力。其中，基于注意力机制的Transformer在机器翻译、视觉分类等任务上“异军突起”，引起了学术界和工业界的关注。然而在Transformer的应用当中，一个重要的问题在于需要对Transformer注入样本的位置信息。对于脑机接口中使用的EEG信号来说，其电极位置反映了不同脑区的工作状态，该信息十分重要但却难以获得。针对这一问题，我团队开发出了基于图论的TransEEG模型，为EEG信号的通道构造图位置关系，并利用深度学习的反向传播机制动态分析在运动想象实验期间的不同被试脑区活跃程度。该模型在两个数据集上取得了最佳的性能，此外，对于探究人类大脑在运动想象期间的变化起到了重要的作用。

TransEEG的模型如图3所示，输入的EEG信号经过CNN编码器的降采样处理将输出特征按通道维度传输到Transformer部分当中，其特征会结合图论对通道维度进行重编码从而提取到更丰富的通道位置特征，Transformer输出层将与全连接层相连从而输出最终的运动想象类别。

IEEE电路与系统国际研讨会（IEEE International Symposium on Circuits and Systems，ISCAS）是IEEE电路与系统分会（Circuits and Systems，CAS）下规模最大的旗舰会议，同时也是CAS下电路与系统领域影响力最大的国际学术会议，ISCAS 2022将于2022年5月在美国奥斯丁举行。