GSANet：基于图注意力与自注意力机制的脑电图（EEG）解码研究在听觉注意力检测中的应用

《Cognitive Neurodynamics》：GSANet: research on EEG decoding based on graph attention and self attention in auditory attention detection

听觉注意力动态检测模型研究。人类在噪声环境中通过听觉注意力聚焦特定声源的现象，其神经机制可借助EEG信号分析。本文提出GSANet模型，融合自注意力机制捕捉EEG信号时序动态，同时采用图注意力机制动态加权EEG通道。实验表明，该模型在KUL和DTU数据集上分别达到94.5%和79.2%的解码准确率，显著优于基准模型。分隔符：

　　

摘要

人类能够在嘈杂的环境中集中听觉注意力，从而在鸡尾酒会上专注于特定的说话者。神经科学研究表明，听觉注意力本身是一种随时间变化的动态大脑活动，这一发现激发了基于脑电图（EEG）的听觉注意力检测（AAD）相关研究。本文提出了一种名为GSANet的神经注意力机制模型，该模型利用自注意力机制来模拟EEG信号的时间动态，并通过图注意力机制动态地为EEG通道分配权重。简而言之，GSANet模拟了人脑的神经注意力机制，从EEG信号中提取出具有区分性的特征表示，用于训练高性能的分类器。我们在两个公开数据集KUL和DTU上进行了实验，在1秒的决策窗口下，分别取得了94.5%和79.2%的总体解码准确率，显著优于所有对比模型。我们提出的方法的代码将在以下链接提供：https://github.com/dalin6666/GSANet。