中文摘要: 为有效提取运动想象脑电特征并保留足够信息，寻求提升运动想象脑电（MI-EEG）深度学习分类精度的途径，从通道信息密度出发，提出了一种基于同步性及节点特性的通道选择方法。在脑网络的构建中引入锁相值，完成脑网络中各个节点的相关性分类筛选，根据通道信息密度从32个与运动想象研究相关的EEG通道中选择20个通道作为卷积神经网络（CNN）的输入，开展离线分类性能比较。研究筛选通道对MI-EEG分类的影响，发现10位招募被试的运动想象脑电信号平均分类准确率由86.29%提升到了90.46%，而4组公开数据集样本的该指标从85.30%提升到了93.56%，结果分析从EEG能量的变化和脑网络集团化程度的角度揭示了通道选择对MI-EEG的CNN分类性能的影响。