每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

利用时频主题学习对单通道脑电图进行标记

Created by
  • Haebom

作者

Jathurshan Pradeepkumar、朴熙浩、陈铮、孙继猛

大纲

TFM-Tokenizer 是一个新颖的标记化框架，它从单通道脑电图 (EEG) 信号中学习时频模体词汇，并将其编码为单个标记。它提出了一种具有时频掩蔽的双路径架构，用于捕获稳健的模体表征，并支持轻量级 Transformer 和现有的基础模型。

Takeaways，Limitations

•
Takeaways：
◦
与现有方法相比，各种 EEG 基准上的性能均有持续改进（Cohen's Kappa 提高了 17%）。
◦
提高了各种基础模型的性能，包括 BIOT 和 LaBraM。
◦
在单通道级别运行，提供与设备无关的潜力。
◦
耳脑电图睡眠阶段分析性能提高 14%。
◦
通过强大的类别识别、频率感知和具有一致结构的标记分析结果，提高了表示质量和可解释性。
•
Limitations：
◦
论文中没有提到具体的Limitations。
👍
Made with Slashpage