LI-DSN：EEGデコーディングのための層ごとの相互作用デュアルストリームネットワーク

概要: 脳波（EEG）は、脳活動を非侵襲的に観測する窓を提供し、脳—コンピュータ・インタフェース（BCI）を通じて神経プロセスを理解し相互作用するために重要な高い時間分解能を可能にします。現在のEEG向けデュアルストリームニューラルネットワークは、多くの場合、時間的特徴と空間的特徴を並列のブランチを用いて独立に処理し、統合は最終段の後期融合まで遅延します。この設計は本質的に「情報サイロ」問題を招き、中間段でのストリーム間の相互洗練を妨げ、特徴の完全な活用に不可欠な空間—時間分解を阻害します。我々は、各層において段階的なストリーム間コミュニケーションを可能にする、層ごとの相互作用型デュアルストリームネットワークであるLI-DSNを提案します。これにより、後期融合パラダイムの限界を克服します。LI-DSNは、新しいTemporal-Spatial Integration Attention（TSIA）メカニズムを導入します。このメカニズムは、電極間の空間構造的関係を捉えるためのSpatial Affinity Correlation Matrix（SACM）を構築し、空間ガイダンスのもとでコサイン・ゲーティングされた時間的ダイナミクスを統合するTemporal Channel Aggregation Matrix（TCAM）を用います。さらに、デュアルストリーム特徴の統合を最適化するために、学習可能なチャネル重みを備えた適応的融合戦略を採用します。運動イメージ（MI）分類、感情認識、定常状態視覚誘発電位（SSVEP）を含む8つの多様なEEGデータセットにわたる大規模な実験の結果、LI-DSNが13の最先端（SOTA）ベースラインを一貫して大きく上回り、その優れた頑健性とデコーディング性能を示すことが確認されます。コードは採択後に公開されます。