运动想象 (MI) 迁移学习系列 (5) : SSMT

论文地址：https://link.springer.com/article/10.1007/s11517-024-03032-z
论文题目：Semi-supervised multi-source transfer learning for cross-subject EEG motor imagery classification
论文代码：无

0. 引言

脑电图（EEG）运动意象（MI）分类是指利用脑电信号对受试者的运动意象活动进行识别和分类;随着脑机接口（BCI）的发展，这项任务越来越受到关注。然而，脑电图数据的收集通常是耗时且劳动密集型的，这使得很难从新受试者那里获得足够的标记数据来训练新模型。此外，不同个体的脑电信号表现出显着差异，导致在直接对从新受试者获得的脑电信号进行分类时，在现有受试者上训练的模型的性能显着下降。因此，充分利用现有受试者的脑电数据和新目标受试者的未标记脑电数据，提高目标受试者达到的心肌梗死分类性能至关重要。