eeg signals | BriefGPT - AI 论文速递

关键词eeg signals

搜索结果 - 70

EmT: 一种用于广义跨主题脑电情感识别的新型 Transformer
将神经生理学的先前知识融入神经网络结构可提高情绪解码的性能。通过引入一种称为 EmT 的新型变压器模型，将 EEG 信号转换为时态图形式，并设计了一种用于学习时态上下文信息的模块，EmT 在广义跨受试者 EEG 情绪分类和回归任务中表现出色
PDF8 days ago
从脑电信号实现全面端对端的语音解码
EEG 信号的完全端到端语音解码新框架 FESDE，通过学习和连接 EEG 信号的潜在空间和语音波形，直接重构听到的语音波形，无需中间的声学特征处理步骤，并在客观度量指标上超过了以前的方法。
PDF22 days ago
多模态情绪阅读器：预训练模型增强跨主体情绪识别
基于脑电图 (EEG) 的情绪识别引起了重要关注，在神经信号处理和情感计算等领域有了多样化的发展。然而，个体的独特脑解剖结构导致不可忽视的自然差异，在主题间情绪识别中存在挑战。为了克服这些限制，我们开发了一个基于预训练模型的多模式情绪识别器
PDFa month ago
基于静息状态脑电信号的跨主体脑电运动想象分类的主体自适应迁移学习
利用静息状态脑电信号来自适应地迁移学习以模拟处理目标用户任务特定的脑电信号，实现了跨个体脑电信号分类的最新准确度，突显了前沿脑机接口系统的潜力。
PDF2 months ago
浅层和深层语言理解的信息论模型
使用信息论将语言理解建模为准确性和处理深度之间的最佳折衷，将处理深度与 EEG 信号和阅读时间联系起来，从浅到深地量化语言处理的时间进程，提供一个统一框架来解释语言理解的行为和神经特征。
PDF2 months ago
通过脑电图信号检测睡眠期间的氧气饱和度下降
利用机器学习技术从儿科患者睡眠呼吸暂停的脑电图（EEG）信号中识别潜在的氧减标志物，为睡眠呼吸暂停的诊断提供帮助。
PDF2 months ago
利用脑电图信号和机器学习技术进行帕金森病诊断的综合研究
通过分析人类脑电图信号，采用支持向量机分类模型，提出了一种创新的帕金森病诊断方法，该研究通过提高诊断准确性和可靠性增强了模型的性能。
PDF2 months ago
EEG-MACS：基于流形注意力与置信分层的不可靠标记下的跨中心脑疾病诊断
使用脑信号进行神经退行性疾病的基于脑电图的智能诊断面临数据异质性和标注不可靠性的挑战。本研究引入了 Manifold Attention and Confidence Stratification (MACS) 的可转移框架，通过来自四个中
PDF2 months ago
提升脑机接口性能：基于正则化 CSP 和 SPEA II 多目标优化的 EEG 信号通道选择优化
优化多维脑电图信号的性能，我们利用了最先进的 Strength Pareto Evolutionary Algorithm II（SPEA-II），以达到识别最相关通道的最佳选择策略，并借助集成学习模型来优化脑电图信号的分类性能。
PDF2 months ago
NeuroNet：一种新型混合自监督学习框架用于使用单通道 EEG 进行睡眠阶段分类
通过结合对比学习任务和掩蔽预测任务，利用未标记的单通道睡眠脑电图（EEG）信号，本研究提出了 NeuroNet，一个自监督学习（SSL）框架，通过三个多导睡眠多项生理参数记录（PSG）数据集的广泛实验，展示了超越现有 SSL 方法的优越性能
PDF3 months ago
带条件识别信息的脑电解码
通过将个体的条件识别信息纳入神经网络中，将 EEG 信号解码与个人特征相结合，从而提高 EEG 可解释性和相关识别特征的理解，以提高模型表达能力。在 WithMe 数据集上的测试结果表明，这种方式显著提高了训练集和未知个体的准确性，具有改善
PDF3 months ago
EEGDiR: 通过保留网络实现的脑电图去噪网络，用于时间信息存储和全局建模
为了改善脑电图（EEG）信号临床医学、脑科研究和神经疾病研究中受各种生理和环境干扰影响的准确分析，我们提出了将自然语言处理中的 Retnet 集成到 EEG 去噪中，通过信号嵌入方法将一维 EEG 信号转化为二维以作为网络输入，验证了该方法
PDF3 months ago
FingerNet：基于深度神经网络的手指敲击任务下细致运动想象的脑电解码
脑机接口技术（BCI）利用脑电图（EEG）信号实现人脑与计算机之间的通信，本研究介绍了一种专门用于细微运动意象分类的网络，称为 FingerNet，通过从 EEG 信号中提取时空特征，能够在同一只手内提高分类准确性，实验结果显示 Finge
PDF4 months ago
EGNN-C+：可解释的演化粒状神经网络及其在弱监督脑电数据流分类中的应用
我们介绍了一种改进的增量学习算法，用于进化颗粒神经网络分类器（eGNN-C+）。我们使用双边界超立方体来表示颗粒，并自定义适应过程以增强外部边界对数据覆盖和噪声抑制的鲁棒性，同时确保内部边界保持灵活以捕捉漂移。分类器从头开始进化，即时融入新
PDF4 months ago
ArEEG_Chars: 使用脑电图进行阿拉伯文字的设想式语音识别的数据集
在这篇论文中，我们创建了一个 Arabic characters 的 EEG 数据集，并命名为 ArEEG_Chars。我们使用深度学习对 ArEEG_Chars 进行了多个实验，使用 LSTM 获得了 97% 的准确率。该数据集将对研究人
PDF4 months ago
基于 Transformer 编码器和生成对抗网络从脑电图记录中生成视觉刺激
使用对抗性深度学习框架，利用脑电图信号合成图像是这项研究的主要目标之一，通过 Transformer - 编码器生成脑电图编码作为生成器组件的输入，同时结合感知损失以提高生成图像的质量。
PDF5 months ago
增强 RSVP-BCI 解码的具体主题适配器暂态 - 光谱融合变压器
通过提出一种时间 - 频谱融合变换器与个体适配器相结合的快速连续视觉呈现 (RSVP)- 基于脑机接口 (BCI) 技术，以减少依赖新被试数据的训练时间，提高解码性能。
PDF6 months ago
TAnet：一种基于脑电信号的短决策窗口听觉空间关注解码的新的时间注意力网络
该研究提出了一种短决策窗口的新型听觉空间注意力检测模型 TAnet，通过使用多头注意力机制更有效地捕捉脑电信号的时间步间相互作用，并为这些时间步分配相应的权重，进一步提高了听觉空间注意力检测的性能。实验证明，相比于基于 CNN 的方法和最新
PDF6 months ago
BrainVis：通过图像重建探索大脑和视觉信号之间的桥梁
通过将 EEG 信号分解成多个单元并自我监督学习获取时间域特征，利用频域特征增强 EEG 表示，将 EEG 时频嵌入与 CLIP 空间中的粗粒度语义插值对齐，使用级联扩散模型重建图像，我们提出的 BrainVis 在语义保真度重建和生成质量
PDF6 months ago
基于虚拟现实的注意力训练的压力管理
研究了基于虚拟现实的注意力训练作为应对压力管理工具的适用性，发现虚拟现实的注意力训练能够显著降低压力识别实例的数量。
PDF7 months ago