脑机接口(BCI)能够直接解码神经活动以控制外部设备(Pfurtscheller等人,2008年),为运动障碍患者提供了革命性的康复和人机交互途径。在各种BCI范式中,运动想象脑电图(MI-EEG)被认为最具临床前景,因为它既不需要明显的动作也不需要外部刺激。
运动想象(MI)是一种心理复现技术,能够在不进行实际运动的情况下激活与实际运动相同的神经通路(Ma等人,2020年)。因此,它具有广泛的应用:在康复医学中,它有助于恢复运动功能;在竞技体育中,它能够提高表现和技能巩固;在神经科学和BCI研究中,它提供了一个丰富的模型系统。然而,MI-EEG信号的特点是信噪比低(Cho等人,2018a年)、非平稳性强(Cho等人,2018b年)以及个体间变异性大(Lim等人,2019年),这些因素严重限制了解码的准确性和泛化能力。从这种复杂数据中稳健地提取与运动意图相关的神经表征仍然是实现实用BCI的核心挑战。
传统的MI-EEG解码流程依赖于手工制作的信号处理和浅层学习技术,为后续的深度学习研究奠定了基础。共同空间模式(CSP)(Pfurtscheller等人,2001年)通过优化的空间滤波器最大化MI类别之间的方差比(Lemm等人,2005年),而小波包分解(WPD)则在时频域捕捉事件相关去同步(ERD)(Kai Keng,2008年)。这些方法在严格控制的实验条件下具有良好的可解释性和计算效率,仍然是阐明MI-EEG神经机制的宝贵工具。然而,随着我们对EEG复杂性的理解加深,我们意识到,在处理高度非平稳的、跨个体的数据时,手工制作的特征可能不够充分,尤其是在自动揭示时间、空间和频谱维度之间的非线性耦合方面。
近年来,卷积神经网络(CNN)在MI-EEG解码方面取得了显著进展。Lawhern等人(2018年)首次提出了EENet(Lawhern等人,2018年),该网络采用深度可分离卷积直接从原始EEG中学习,无需传统的特征工程。后续工作寻求更细粒度的时空表征。2023年,Phadikar的研究团队(Phadikar等人,2023年)使用堆叠自编码器进行无监督预训练,将四类F1分数提高了7.2%。同年,Li等人提出了MTFB-CNN(Li等人,2023年),该网络采用并行多时域卷积进行分层δ–β带提取,在BCI竞赛IV-2a上的准确率达到84.48%。这些研究共同推动了基于CNN的EEG分析的时空特征学习。
与此同时,优化目标已从原始性能转向实际应用能力。Miao等人(2023年)提出了LMDA-Net(Miao等人,2023年),该模型采用轻量级的多维注意力模块,在保持低参数数量的同时提高了准确率。Qin的研究团队(2024年)开发了M-FANet(Qin等人,2024年),结合频带分割注意力和残差连接,增强了在噪声条件下的鲁棒性。同一时期,Zhang等人提出了MI-CAT(Zhang等人,2023年),这是一种基于Transformer的领域适应网络,在跨设备实验中将平均AUC提高了12.8%。这些贡献为减轻EEG的非平稳性和个体间变异性提供了新的途径。
随着自注意力机制的出现,Transformer架构已被用于MI-EEG解码。Deny等人(2023年)首次证明纯Transformer可以处理原始EEG,而Song的EE-Conformer(Song等人,2023年)结合了时域-空间卷积和多头自注意力,在两个公开数据集上分别获得了78.66%和84.63%的准确率。2025年,Zhao等人(2025年)发现Transformer在MI执行过程中比具有固定感受野的CNN更有效地捕捉关键时间片段。然而,Transformer的计算负担促使人们设计了混合架构。例如,ATCNet(Altaheri等人,2023年)将CNN、自注意力和时域卷积块串联起来,在IV-2a上的准确率达到85.38%;FACT-Net(Ke等人,2024年)采用双分支频谱-空间Transformer,准确率达到80.67%。这些方法展示了如何平衡性能和效率。
尽管取得了这些进展,主流深度学习模型仍面临一些未解决的问题。CNN在局部时空模式方面表现优异(Zhao等人,2024a年),而Transformer则擅长处理长距离依赖性;如何有效融合它们的互补优势仍待解决(Liao等人,2025年)。CNN的固定感受野限制了对长时间动态的捕捉,而Transformer在样本不足的EEG数据上存在过拟合和高计算成本的风险(Zhao等人,2025年;Pfeffer等人,2024年)。当前模型很少考虑μ/β感觉运动节律的频率和空间域之间的动态交互,可能会降低对噪声通道的鲁棒性。数据稀缺也限制了泛化能力,现有的增强技术往往在多样性和真实性之间做出权衡。
为了解决这些问题,我们提出了一种基于扩散增强的双域融合网络(DDF-Net),其主要贡献包括:
(1)双域特征融合网络(DDF-Net):我们设计了一个双注意力特征提取器,独立学习频谱和时域表征,并通过连接和求和将它们融合,补充了传统自注意力所忽略的特征。
(2)基于扩散的EEG增强:将去噪扩散概率模型(DDPM)引入MI-EEG。在潜在空间中进行迭代去噪可以生成高保真度的合成信号。结合自监督预训练,这缓解了小样本的限制。
(3)分层时域-频谱-空间注意力:提出了一种分层注意力机制。多头时域注意力选择显著的时间片段,同时抑制噪声;1×1卷积以最小的成本动态增强与任务相关的通道。
(4)改进的分类:在BCI竞赛IV-2a和IV-2b上,DDF-Net的平均准确率分别达到了90.66%和91.31%,超过了现有最先进方法。
本文的其余部分组织如下:第2节详细介绍了整体架构和核心模块;第3节对公共数据集进行了全面评估;第4节讨论了未来的发展方向;第5节总结了工作并概述了潜在应用。