MIRepNet: EEGベースの運動イメージ分類のためのパイプラインと基盤モデル

MIRepNet: A Pipeline and Foundation Model for EEG-Based Motor Imagery Classification

July 27, 2025

著者: Dingkun Liu, Zhu Chen, Jingwei Luo, Shijie Lian, Dongrui Wu

cs.AI

要旨

脳-コンピュータインターフェース（BCI）は、脳と外部デバイス間の直接的な通信を可能にします。最近のEEG基盤モデルは、多様なBCIパラダイムにわたる汎用的な表現の学習を目指しています。しかし、これらのアプローチはパラダイム固有の神経生理学的な差異を見落としており、その汎化能力を制限しています。重要な点として、実用的なBCIの展開においては、脳卒中リハビリテーションや支援ロボティクスのための運動イメージ（MI）などの特定のパラダイムは、一般にデータ取得前に決定されます。本論文では、MIパラダイムに特化した最初のEEG基盤モデルであるMIRepNetを提案します。MIRepNetは、任意の電極配置を持つEEGヘッドセットに適応可能な、神経生理学的に基づいたチャネルテンプレートを組み込んだ高品質なEEG前処理パイプラインを備えています。さらに、自己教師ありのマスクトークン再構築と教師ありのMI分類を組み合わせたハイブリッド事前学習戦略を導入し、クラスあたり30試行未満の新しい下流MIタスクにおいて迅速な適応と正確なデコーディングを可能にします。5つの公開MIデータセットにわたる広範な評価により、MIRepNetが一貫して最先端の性能を達成し、専門化および汎化されたEEGモデルを大幅に上回ることが実証されました。私たちのコードはGitHub（https://github.com/staraink/MIRepNet）で公開されます。

English

Brain-computer interfaces (BCIs) enable direct communication between the brain and external devices. Recent EEG foundation models aim to learn generalized representations across diverse BCI paradigms. However, these approaches overlook fundamental paradigm-specific neurophysiological distinctions, limiting their generalization ability. Importantly, in practical BCI deployments, the specific paradigm such as motor imagery (MI) for stroke rehabilitation or assistive robotics, is generally determined prior to data acquisition. This paper proposes MIRepNet, the first EEG foundation model tailored for the MI paradigm. MIRepNet comprises a high-quality EEG preprocessing pipeline incorporating a neurophysiologically-informed channel template, adaptable to EEG headsets with arbitrary electrode configurations. Furthermore, we introduce a hybrid pretraining strategy that combines self-supervised masked token reconstruction and supervised MI classification, facilitating rapid adaptation and accurate decoding on novel downstream MI tasks with fewer than 30 trials per class. Extensive evaluations across five public MI datasets demonstrated that MIRepNet consistently achieved state-of-the-art performance, significantly outperforming both specialized and generalized EEG models. Our code will be available on GitHubhttps://github.com/staraink/MIRepNet.