一种基于域自适应和深度学习的脑电信号重建图像方法

本发明公开了一种基于域自适应和深度学习的脑电信号重建图像方法，属于深度学习算法与脑机接口技术交叉领域。该方法针对脑电信号个体差异大、设备差异显著导致的模型泛化能力不足的问题，提出了一种结合域自适应模块、稳态扩散模型和CLIP特征对齐的解决方案。通过正向训练对齐脑电特征与图像特征，并利用判别器的逆向训练混淆源域与目标域的特征差异，有效降低个体及设备差异对重建图像的影响。模型中包含脑电编码器、图像生成器和判别器，通过加权损失函数优化训练过程，在保证生成图像质量的同时提升模型的跨域适应能力。本发明显著提高了脑电信号重建图像的泛化性能，适用于不同个体及设备场景，为脑机接口技术的实际应用提供了可靠支持。