文献类型：期刊文章

作　　者：韦梦莹[1] 李琳玲[1] 黄淦[1] 唐翡[1] 张治国[1]

Wei Mengying;Li Linling;Huang Gan;Tang Fei;Zhang Zhiguo(School of Biomedical Engineering,Health Science Center,Shenzhen University,National Regional Key Technology Engineering Laboratory for Medical Ultrasound,Guangdong Provincial Key Laboratory of Biomedical Measurements and Ultrasound Imaging,Shenzhen 518060,China)

机构地区：[1]深圳大学医学部生物医学工程学院医学超声关键技术国家地方联合工程实验室广东省医学信息检测与超声成像重点实验室

出　　处：《中国生物医学工程学报》

年　　份：2019

卷　　号：38

期　　号：4

起止页码：464-472

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EMBASE、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：近年来深度学习算法得到飞速发展,在生物医学工程领域的应用也越来越广泛。其中,利用深度学习算法从脑电信号(EEG)中解码生理、心理或病理状态也受到越来越多的关注。综述近年来深度学习算法在EEG解码中的应用,介绍常用算法、典型应用场景、重要进展和现存的问题。首先,论述常用于EEG解码的几类深度学习算法的基本原理,包括卷积神经网络、深度信念网络、自编码器和循环神经网络等。然后,讨论深度学习算法的几个典型EEG解码应用场景,包括脑机接口、情绪与认知识别、疾病辅助诊断。结合应用实例,归纳深度学习算法在EEG解码中的常见问题、解决方案、主要进展和研究趋势。最后,总结深度学习应用于EEG信号解码中仍待解决的一些关键问题,如参数复杂度、训练时间以及泛化能力等。

关 键 词：深度学习  神经网络 脑电 解码 脑机接口

分 类 号：R318[生物医学工程类]