脳波の非定常性と個人差はBCI実用化の課題である。
本研究では時間周波数変換に基づくデータ拡張（TF-Aug）を深層学習ベースのドメイン汎化（DG）モデルに導入し、未知被験者に対するクラス分類性能を検証した。
従来のTF-Augの評価はCSPと線形判別分析を用いた機械学習手法に限られていたが、深層学習モデルへ適用し、効果を調べた。
運動想起データセットを用いた実験の結果、提案手法はクラス分類精度の向上を示した。
これはTF-AugがDGモデルのドメイン不変特徴の学習を促進し、DGモデルの未知被験者への適応性向上に寄与した可能性を示唆している。