Csfgtnet A Novel Multidimensional Feature Fusion Network Based On Convnextgelu Bilstm For Eegsignalsenabled Fatigue Driving Detection Dongrui Gao Pengrui Li Manqing Wang Yujie Liang Shihong Liu Jiliu Zhou Lutao Wang Yongqing Zhang by Dongrui Gao & Pengrui Li & Manqing Wang & Yujie Liang & Shihong Liu & Jiliu Zhou & Lutao Wang & Yongqing Zhang instant download after payment.

Аннотация. Сигнал электроэнцефалографии (ЭЭГ) признан эффективным методом обнаружения усталости, который может интуитивно отражать психическое состояние водителей. Однако исследования многомерных признаков в существующих работах могли бы быть гораздо более глубокими. Нестабильность и сложность сигналов ЭЭГ усложняют извлечение признаков данных. Что еще более важно, большинство текущих работ рассматривают модели глубокого обучения только как классификаторы. Они игнорировали признаки различных субъектов, изученных моделью. Стремясь к решению вышеуказанных проблем, в данной статье предлагается новая многомерная сеть слияния признаков, CSF-GTNet, основанная на временной и пространственно-частотной областях для обнаружения усталости. В частности, она включает в себя гауссовскую сеть во временной области (GTNet) и чистую сверточную пространственно-частотную сеть (CSFNet). Экспериментальные результаты показывают, что предлагаемый метод эффективно различает состояния бодрствования и усталости. Точность данных, полученных с помощью собственных наборов данных и SEED-VIG, составляет 85,16% и 81,48% соответственно, что выше, чем у современных методов. Более того, мы анализируем вклад каждой области мозга в выявление усталости с помощью топологической карты мозга. Кроме того, мы изучаем динамику изменений в каждом частотном диапазоне и значимость различий между различными субъектами в состоянии бодрствования и состоянии усталости с помощью тепловой карты. Наши исследования могут дать новые идеи для изучения усталости мозга.