01
神经信号基础
脑电图(EEG)原理、信号采集设备、电极放置标准(10-20系统)、常见伪影类型。
EEG10-20伪影
02
信号预处理
带通滤波、陷波滤波、独立成分分析(ICA)去伪影、基线校正、重参考。
滤波ICA重参考
03
深度学习入门
感知机模型、激活函数(Sigmoid/ReLU/Tanh)、损失函数、梯度下降原理。
感知机激活函数梯度下降
04
卷积神经网络(CNN)
卷积层原理、池化层、感受野、经典架构(LeNet/AlexNet/VGG)。
CNNLeNetVGG
05
循环神经网络(RNN)
序列建模、LSTM与GRU门控机制、双向RNN、时序预测应用。
RNNLSTMGRU
06
注意力机制
自注意力(Self-Attention)、多头注意力、Transformer编码器、位置编码。
注意力Transformer位置编码
07
EEGNet架构
深度可分离卷积、时间卷积核、空间滤波器、EEGNet的紧凑设计思想。
EEGNet深度可分离紧凑
08
可解释性概述
为什么需要可解释性、透明箱vs黑箱、全局解释vs局部解释、忠实度与可理解性。
透明箱全局解释忠实度
09
特征可视化
卷积核可视化、特征图激活最大化、DeepDream在EEG上的应用。
可视化DeepDream激活最大化
10
类激活图(CAM)
全局平均池化、CAM计算公式、Grad-CAM原理、EEG时空热力图绘制。
CAMGrad-CAM热力图
11
Grad-CAM++
改进的权重计算、多目标定位、在EEG频带分析中的优势。
Grad-CAM++频带多目标
12
梯度方法
输入梯度(Saliency Map)、集成梯度(Integrated Gradients)、平滑梯度(SmoothGrad)。
SaliencyIntegrated GradientsSmoothGrad
13
LIME方法
局部可解释模型、超像素分割、扰动采样、在EEG片段上的解释。
LIME超像素局部解释
14
SHAP方法
Shapley值理论、KernelSHAP与DeepSHAP、特征重要性排序、全局解释聚合。
SHAPShapley特征重要性
15
注意力可视化
注意力权重热图、头注意力分析、层间注意力传播、序列对齐解释。
注意力热图多头序列对齐
16
时间维度解释
时间重要性曲线、关键时间窗定位、事件相关电位(ERP)对齐分析。
时间窗ERP重要性曲线
17
空间维度解释
电极重要性拓扑图、脑地形图绘制、源定位与可解释性结合。
脑地形图源定位拓扑
18
频带维度解释
Delta/Theta/Alpha/Beta/Gamma频带贡献、频谱注意力机制、时频分析解释。
频带时频分析频谱注意力
19
概念激活向量(CAV)
TCAV方法、概念定义、敏感性分析、在运动想象分类中的应用。
TCAV概念运动想象
20
反事实解释
生成反事实样本、最小编辑距离、扰动约束、在BCI系统中的验证。
反事实BCI扰动
21
模型蒸馏
教师-学生框架、软标签蒸馏、特征蒸馏、在轻量化部署中的可解释性。
蒸馏教师-学生轻量化
22
对抗性解释
对抗样本生成(FGSM/PGD)、鲁棒性评估、解释稳定性、防御策略。
FGSMPGD鲁棒性
23
因果解释
因果图模型、干预与反事实、Do算子、在神经反馈中的因果推断。
因果Do算子神经反馈
24
时序因果分析
Granger因果、传递熵(Transfer Entropy)、收敛交叉映射(CCM)、脑网络连接解释。
Granger传递熵CCM
25
多模态解释
EEG-fMRI联合解释、EEG-眼动融合解释、跨模态注意力对齐。
多模态fMRI眼动
26
评估指标
faithfulness(忠实度)、monotonicity(单调性)、complexity(复杂度)、sensitivity_n(敏感性)。
忠实度单调性敏感性
27
基准数据集
BCI Competition IV、PhysioNet Motor Imagery、DEAP情感数据集、SEED数据集。
BCIDEAPSEED
28
工具与库
Captum、SHAP库、LIME库、TF-Explain、EEG可解释性工具包。
CaptumSHAPLIME
29
应用案例1
运动想象分类解释、P300拼写器解释、睡眠分期解释、癫痫检测解释。
运动想象P300癫痫
30
应用案例2
情感识别解释、注意力检测解释、疲劳驾驶监测解释、神经反馈训练解释。
情感识别疲劳驾驶神经反馈