TBME 2025华中科技大学、中关村学院团队提出跨脑电设备迁移学习解码方法

华中科技大学与中关村学院团队提出了一种名为SDDA的跨脑电设备迁移学习解码方法，旨在解决不同EEG头戴设备在电极数量和布局上的差异导致的数据结构不一致问题。传统方法通常只保留两个设备的公共通道，这会导致大量空间信息丢失，影响解码性能。SDDA框架通过引入空间蒸馏策略，让高通道设备作为“老师”，将完整的大脑空间信息传递给低通道设备，从而最大化地保留源域的空间结构。此外，SDDA还采用了输入、特征、输出三层协同的分布对齐策略，以处理不同EEG信号之间的强度、噪声、分布和类别边界差异，从而有效缓解跨设备训练中的数据分布偏移问题。这一创新方法为跨设备脑电图分类提供了统一而有效的解决方案，有望推动非侵入式脑机接口技术的实际应用。