91一级特黄大片|婷婷中文字幕在线|av成人无码国产|日韩无码一二三区|久久不射强奸视频|九九九久久久精品|国产免费浮力限制

近日，腦機團隊大二本科生陳榮滔、謝楚雯和張嘉慧在潘家輝教授、游琪副研究員指導(dǎo)下的研究成果“A Progressive Multi-Domain Adaptation Network with Reinforced Self-Constructed Graphs for Cross-Subject EEG-Based Emotion and Consciousness Recognition”被中國人工智能學(xué)會（CAAI）的B類推薦期刊IEEE Transactions on Neural Systems and Rehabilitation Engineering（中科院康復(fù)醫(yī)學(xué)一區(qū)，IF=5.2）錄用。本論文于2025年3月7日投稿，2025年8月23日錄用。

情緒識別技術(shù)在腦機接口領(lǐng)域能發(fā)揮重要作用，但受限于個體差異與數(shù)據(jù)跨域特性，存在兩大核心瓶頸：一是難以提取既保留情緒信息又具跨域普適性的特征，二是不同個體間的聯(lián)合概率分布難對齊。為此，我們提出了一種創(chuàng)新的基于強化學(xué)習的自構(gòu)圖多域適應(yīng)網(wǎng)絡(luò)（如圖1所示），為該領(lǐng)域帶來突破性進展。

我們引入強化自構(gòu)圖模塊，基于強化學(xué)習機制，動態(tài)構(gòu)建適應(yīng)性圖表示，精準捕捉腦電圖數(shù)據(jù)特征，實現(xiàn)領(lǐng)域不變神經(jīng)特征的高效提取，如圖2所示。同時，開創(chuàng)性地提出EEG-CutMix策略，融合余弦相似性篩選相似個體、通道保留動態(tài)CutMix技術(shù)生成混合樣本，并巧妙融入高斯噪聲，全方位提升數(shù)據(jù)魯棒性。此外，搭建增強數(shù)據(jù)驅(qū)動的PMDA框架，借助動態(tài)調(diào)度機制逐步對齊分布，配合多目標損失函數(shù)實現(xiàn)個體間聯(lián)合概率分布精準對齊，從多維度攻克技術(shù)難關(guān)。更值得一提的是，該域適應(yīng)框架已成功應(yīng)用于南方醫(yī)科大學(xué)珠江醫(yī)院12位意識障礙患者的意識水平檢測中，為臨床神經(jīng)康復(fù)領(lǐng)域開辟全新技術(shù)路徑，彰顯了其在實際醫(yī)療場景中的巨大潛力。

圖1：模型整體框架圖

圖2：強化自構(gòu)圖模塊詳細結(jié)構(gòu)

為了直觀地展示模型的分類性能，該論文繪制了模型的AUC和ROC曲線（如圖3所示）。從圖中可以看出，該模型展現(xiàn)出快速的學(xué)習能力和強大的分類性能，其AUC分數(shù)在訓(xùn)練過程中迅速收斂至較高水平。最終的ROC曲線也進一步驗證了這一結(jié)果。具體來說，在SEED數(shù)據(jù)集上獲得0.983的平均分數(shù)，在SEED-IV數(shù)據(jù)集上獲得0.961的平均分數(shù)。

圖3：AUC和ROC曲線