喜报 | 我所一篇论文被国际顶级学术期刊IEEE TNSRE录用

发布时间：2023年11月07日

       由我所师生合作完成的一篇论文Uncertainty-aware Denoising Network for artifact removal in EEG signals被国际顶级学术期刊IEEETransactions on Neural Systems & Rehabilitation Engineering录用，论文主要由我所博士生靳希源和硕士生刘磊在王晶老师和林友芳老师的指导下完成。

      脑电图（EEG）广泛用于检测各种脑电活动。 尽管如此，脑电图记录很容易受到不良伪影的影响，导致数据分析误导，甚至严重影响结果的解释。 虽然之前减弱伪影影响的工作已经取得了值得称赞的绩效，但该领域仍然存在一些挑战：1）由于黑盒怀疑论，基于深度学习的自动脑电图伪影去除方法在临床环境中的应用受到阻碍。 如何支持可靠且高精度的去噪脑电信号非常重要。2) 从受污染的环境中有效探索有价值的局部和全局信息仍然具有挑战性。 一方面，现有工作中的特征提取和聚合通常是盲目执行的并假设是所提取特征是准确的，但情况并非总是如此。 另一方面，全局上下文信息是通过局部固定的单尺度卷积滤波器逐层逐步建模的，这既不高效也不有效。为了解决上述挑战，我们提出了一种具有多尺度池化注意力的不确定性感知去噪网络（UDNet），以实现高效的上下文捕获。 具体来说，我们预测去噪过程中存在的任意和认知不确定性，以帮助发现和减少不确定的特征表示。 我们进一步提出了一种简单而有效的架构来捕获多个尺度的局部和全局上下文信息。 我们提出的方法可以作为识别低置信度去噪结果的有效指标，这些结果需要推迟到人类专家进行进一步检查和评估。 两个公共数据集的实验结果表明，我们所提出的模型优于最先进的基线方法。基线方法。