清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

TSMCA-Net: A Multi-Granular Cross-Attention Framework for Cross-Session EEG–fNIRS Decoding

计算机科学 解码方法 算法 人工智能 计算机视觉 顺序译码 编码(内存) 算法设计 理论计算机科学 信号处理 矩阵代数 列表解码 迭代重建 图像处理 编码(集合论)
作者
Tao Zheng,Yongtao Zhou,Muzi Xu,Jiaqi Zhang,Peizhe Zhao,Qiang Yang,Caizhi Liao
出处
期刊:IEEE Transactions on Medical Imaging [Institute of Electrical and Electronics Engineers]
卷期号:PP: 1-1
标识
DOI:10.1109/tmi.2026.3743615
摘要

We propose TSMCA-Net, a lightweight cross-session EEG-fNIRS decoder that achieves state-of-the-art accuracy with <1M parameters-70.6% fewer than the strongest baseline-while maintaining sub-8ms inference latency. TSMCA-Net decomposes multimodal interactions into three complementary views-temporal-spatial (TS), temporal-modal (TM), and spatial-modal (SM)-through structured multi-view factorization that separates heterogeneous dependency axes while preserving cross-branch information sharing. A Dynamic Multi-Scale Context module adaptively aggregates spatial dependencies on a unified scalp topology, while a causal lag modeling strategy captures delayed hemodynamic responses under strict temporal causality. An asymmetric cross-attention mechanism then integrates the multi-granular representations for role-aware fusion. Under a leave-one-session-out protocol on two public datasets, TSMCA-Net achieves the highest mean accuracy across three cognitive paradigms (71.41% MI, 86.36% MA, 80.30% WG), outperforming all 12 baselines in absolute accuracy and achieving statistical significance in 31 of 36 pairwise comparisons (p<0.05). Perturbation experiments demonstrate 38%-62% smaller accuracy degradation under simulated spatial perturbations.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
从容的绿蝶完成签到,获得积分10
12秒前
如意夏寒完成签到,获得积分10
12秒前
13秒前
24秒前
老戎完成签到 ,获得积分10
29秒前
36秒前
petrichor发布了新的文献求助10
42秒前
孤独的芹菜完成签到,获得积分10
43秒前
45秒前
龙龙发布了新的文献求助10
51秒前
腼腆的雪珊完成签到,获得积分10
51秒前
52秒前
xiaowangwang完成签到 ,获得积分10
53秒前
虎子完成签到 ,获得积分10
57秒前
n01W97给Li_wang的求助进行了留言
1分钟前
JEREMIAH完成签到,获得积分10
1分钟前
1分钟前
1分钟前
欣喜的凡霜完成签到,获得积分10
1分钟前
1分钟前
1分钟前
1分钟前
神勇的半芹完成签到,获得积分10
1分钟前
陶家宁大元帅完成签到,获得积分10
1分钟前
loii举报龙傲天的求助涉嫌违规
1分钟前
tww完成签到 ,获得积分10
1分钟前
1分钟前
如意嫣完成签到,获得积分10
1分钟前
2分钟前
高大的紫萍完成签到,获得积分10
2分钟前
怕黑的妖丽完成签到,获得积分10
2分钟前
2分钟前
2分钟前
单薄代珊完成签到,获得积分10
2分钟前
2分钟前
动听的天宇完成签到,获得积分10
2分钟前
3分钟前
多情敏完成签到,获得积分10
3分钟前
TingtingGZ发布了新的文献求助200
3分钟前
迷路的缘郡完成签到,获得积分10
3分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
plantTFDB 508
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8173194
求助须知:如何正确求助?哪些是违规求助? 9565558
关于积分的说明 21780476
捐赠科研通 7767279
什么是DOI,文献DOI怎么找? 3431542
关于科研通互助平台的介绍 2555697
邀请新用户注册赠送积分活动 2476682