Motor imgeleme EEG sınıflandırmasında uzay-zaman çizge evrişimli sinir ağları

Elektroensefalografi (EEG) tıpta, nörobilimde ve nöral mühendislikte çeşitli uygulamalara sahiptir. Farklı nöron toplulukları arasındaki etkileşimin neden olduğu beyin dokularının elektriksel aktivitesini kaydeder. EEG sinyallerinin otomatik olarak sınıflandırılması için çok sayıda algoritma geliştirilmiştir. Bu algoritmalar, EEG sinyallerinden özgün ve yinelenmeyen özellikler çıkararak çalışır. Bununla birlikte, önerilen algoritmaların çoğu, EEG sinyallerinin zamansal bileşenlerini kullanırken onu üreten zengin uzamsal ağ yapısını göz ardı etmektedir. Bu çalışmada, EEG sinyallerinde uzamsal ve zamansal özelliklerin eşzamanlı kullanımı için EEG verilerinin ağ yapısını kullanan bir sınıflandırma ardışık düzeni önermekteyiz. İlk olarak, EEG ağlarını iki ayrı uzaysal alanda; i) sensör uzayı ve ii) kaynak uzayında modellemek için çizge kuramı kullanıldı. İkinci olarak, sınıflandırma işleminde EEG verilerinin hem zamansal hem de uzamsal özelliklerini birleştirmek için bir uzay-zaman çizge evrişimli sinir ağı (STGCNN) sınıflandırma modeli uygulandı. Ek olarak model, her bir dinlenme durumu beyin ağında oluşan kortikal kaynak verisi kullanılarak sınıflandırma doğruluk performansı incelendi. Çalışmanın sonuçları, STGCNN modelinin zamansal evrişimli sinir ağı (CNN) modellerine göre, % 1.25 oranında, az da olsa daha iyi performans sergilediğini göstermektedir.