MSFHNet：面向BCI-VR系统的多尺度时空特征提取混合神经网络及其在空间认知EEG信号解析中的应用

【编辑推荐】来自国内的研究团队针对脑机接口(BCI)与虚拟现实(VR)系统中空间认知任务EEG信号解码难题，创新性提出混合神经网络MSFHNet。该模型通过多尺度空洞卷积捕捉动态时间特征，结合通道-空间注意力机制建模空间依赖，在β2 频段实现98.58%分类准确率，为AI驱动的空间认知训练系统提供新范式。

　　

当脑机接口(BCI)遇上虚拟现实(VR)，一场关于空间认知训练的科技革命正在上演。研究人员开发出名为MSFHNet的混合深度学习网络，专门用于解码空间认知任务中脑电图(EEG)信号的时空密码。这个智能模型就像配备双重探测器的精密仪器：时间模块采用多尺度空洞卷积网络，像伸缩镜头般捕捉EEG信号中不同节律的动态变化；空间模块则搭载通道-空间注意力机制，如同生物神经网络的突触调节器，精准刻画脑区之间的功能连接。通过交叉堆叠的模块化设计，系统实现了深层特征融合，在β₂
频段(18-25Hz)展现出惊人的98.58%分类准确率，较传统方法具有显著优势。这项突破不仅为EEG信号表征树立新标杆，更为构建新一代AI赋能的BCI-VR训练系统提供了关键技术支撑。