近日，我校金晶教授领衔的脑机接口及控制团队在脑机接口与计算机视觉交叉研究方面取得重要进展。相关论文《Enhancing Target Recognition Performance in SSVEP-Based Brain-Computer Interfaces via Deep Neural Networks With Pyramid Squeeze Attention》被CCF-A类、图像处理领域国际顶级旗舰期刊IEEE Transactions on Image Processing正式录用并在线发表。值得关注的是，该论文是目前该期刊上首次以脑机接口为核心研究对象发表的学术成果，体现了图像处理与神经工程交叉融合研究的进一步拓展。相关成果的发表，反映了脑机接口与计算机视觉方法融合的研究趋势，也展示了我国学者在该交叉方向上的持续探索与学术影响力。
主流稳态视觉诱发电位解码方法高度依赖人工设计特征与被试内训练，特征提取主观性强、泛化能力有限，跨被试场景下性能大幅下降。现有深度学习方法虽具备自动特征学习能力，但未充分融合频域、空域、时域多维信息，且忽略新被试的个性化神经响应特征。为高效挖掘被试间共性神经模式、实现小样本快速适配，研究团队提出了一种基于金字塔挤压注意力的深度神经网络，通过频域、空域、时域联合特征提取与三阶段迁移学习，显著提升稳态视觉诱发电位脑机接口跨被试目标识别性能，为低信噪比、小样本场景下的脑电信号解码提供了高效解决方案。
华东理工大学为该论文第一完成单位且唯一通讯单位，金晶教授为该论文通讯作者，博士生吴晓为该论文第一作者。该研究工作得到了“脑科学与类脑智能技术”国家科技重大专项、国家自然科学基金、上海市科技重大专项、江苏省科技计划专项基金、重点研发计划和临港实验室的资助。
原文链接：https://ieeexplore.ieee.org/document/11489286
