यह शोधपत्र नैदानिक रिपोर्टों और 15,000 इलेक्ट्रोएन्सेफेलोग्राम (ईईजी) डेटा सेटों का उपयोग करके पहला इलेक्ट्रोएन्सेफेलोग्राम-टू-लैंग्वेज मॉडल (ईएलएम) प्रस्तुत करता है। चूँकि पिछले मल्टीमॉडल भाषा मॉडलिंग अनुसंधान को कार्यात्मक मस्तिष्क डेटा के नैदानिक फेनोटाइपिक विश्लेषण पर लागू नहीं किया गया है, इसलिए हम समय-श्रृंखला ट्रिमिंग और टेक्स्ट सेगमेंटेशन के माध्यम से मल्टीमॉडल संरेखण को जोड़ते हैं, और अप्रासंगिक ईईजी या टेक्स्ट सेगमेंट के बीच विसंगतियों को कम करने के लिए बहु-उदाहरण अधिगम-आधारित संवर्द्धन का प्रस्ताव करते हैं। प्रायोगिक परिणाम दर्शाते हैं कि प्रस्तावित मल्टीमॉडल मॉडल चार नैदानिक परीक्षणों में केवल ईईजी-आधारित मॉडलों से काफी बेहतर प्रदर्शन करता है, जिससे पहली बार तंत्रिका संकेतों और रिपोर्टों दोनों का शून्य-शॉट वर्गीकरण और पुनर्प्राप्ति संभव हुई है। यह ईएलएम की नैदानिक प्रयोज्यता को प्रदर्शित करने वाली एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है।
