Marco-dependiente multilayer EEG representaciones de tiempo-frecuencia combinadas con un marco profundo de CNN basado en aprendizaje por transferencia para la clasificación de EEG de MI de pocos canales
Autores: Liu, Ziang; Fan, Kang; Gu, Qin; Ruan, Yaduan
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Marco-dependiente multilayer EEG representaciones de tiempo-frecuencia combinadas con un marco profundo de CNN basado en aprendizaje por transferencia para la clasificación de EEG de MI de pocos canales
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Estudio
Electroencefalograma
Señales de EEG
Imaginación motora
CDML-EEG-TFR
Precisión de clasificación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 65
Citaciones: Sin citaciones
El estudio de las señales de electroencefalograma (EEG) es crucial para comprender la función cerebral y tiene amplias aplicaciones en el diagnóstico clínico, la neurociencia y la tecnología de interfaz cerebro-computadora.
Descripción
El estudio de las señales de electroencefalograma (EEG) es crucial para comprender la función cerebral y tiene amplias aplicaciones en el diagnóstico clínico, la neurociencia y la tecnología de interfaz cerebro-computadora.