注意力机制在神经信号中的应用

📚 共计 30 章节

神经信号基础

神经元电生理 · 动作电位 · LFP与Spike · 采集技术

电生理基础

注意力机制导论

认知模型 · 选择性注意 · BCI价值 · 为什么需要注意力

信号预处理基础

带通/陷波滤波 · 基线校正 · 伪迹去除 · 信噪比

预处理滤波

时域特征提取

均值/方差 · 过零率 · Hjorth · 波形长度 · 能量

频域特征提取

PSD · δ/θ/α/β/γ频带 · 频谱熵 · 重心频率

时频分析基础

STFT · 小波变换 · 希尔伯特-黄 · 时频图

空间特征提取

CSP · 拉普拉斯滤波 · CAR · 表面拉普拉斯

机器学习基础回顾

监督/无监督 · 划分 · 过拟合 · 交叉验证

经典分类器

SVM · LDA · KNN · 随机森林 · 朴素贝叶斯

分类器经典

深度学习基础

感知机 · 激活函数 · 损失函数 · 反向传播

卷积神经网络(CNN)

卷积/池化 · LeNet/AlexNet/VGG · 1D-CNN

循环神经网络(RNN)

RNN · LSTM · GRU · 双向RNN · 序列建模

注意力机制原理

QKV · 缩放点积 · 加性注意力 · 多头 · 自注意力

Transformer架构

编码器-解码器 · 位置编码 · 层归一化 · 残差连接

Transformer架构

自注意力在神经信号中应用

EEG通道自注意力 · 时间步自注意力 · 时空联合

自注意力EEG

多头注意力机制

多头分割 · 头数策略 · 可解释性 · 可视化

多头可视化

空间注意力机制

空间注意力模块 · SENet/CBAM · 电极空间建模

空间注意力SENet

时间注意力机制

时间注意力模块 · 衰减注意力 · 因果注意力

时间注意力因果

注意力与CNN融合

注意力增强CNN · 引导特征 · 注意力池化 · 混合架构

CNN+注意力融合

注意力与RNN/LSTM融合

注意力增强LSTM · 编码器-解码器 · 序列到序列

RNN+注意力Seq2Seq

图注意力网络(GAT)

图神经网络 · 图注意力层 · 邻接矩阵 · EEG通道图

运动想象BCI应用

运动想象范式 · CSP+注意力 · 增强解码 · 实验案例

MI-BCI运动想象

P300脑电应用

P300范式 · 注意力增强检测 · 时域注意力 · 字符拼写

SSVEP范式 · 频域注意力 · 频率识别 · 高速BCI

情绪识别应用

情绪数据集 · 多频带融合 · 时空注意力 · 跨被试

情绪多频带

睡眠分期应用

睡眠脑电 · 时间序列注意力 · 多尺度 · 阶段分类

癫痫检测应用

癫痫特征 · 异常检测注意力 · 长时程 · 临床案例

模型优化与部署

剪枝 · 蒸馏 · 量化 · 边缘部署 · 实时推理

注意力可解释性

权重可视化 · 热图 · 特征重要性 · 决策解释

可解释性热图

前沿进展与未来方向

大语言模型+脑电 · 多模态 · 基础模型 · 伦理

前沿多模态