electroencephalogram | BriefGPT

关键词electroencephalogram

搜索结果 - 34

大脑大型模型中以 Tremendous 脑电图数据为基础学习通用表达
当前的基于脑电图 (EEG) 的深度学习模型通常针对特定的数据集和脑 - 计算机交互 (BCI) 应用而设计，限制了模型的规模，从而降低了其感知能力和泛化能力。最近，大型语言模型 (LLMs) 在文本处理方面取得了前所未有的成功，激发了我们
PDFa month ago
通过潜在扩散模型从脑电数据中的自然音乐解码
使用潜在扩散模型重构音乐，利用非侵入性脑电图数据进行训练并提出神经嵌入度量标准，同时进行生成曲目的歌曲分类，从而探究使用脑电图数据进行复杂听觉信息重构的可行性。
PDF2 months ago
EEG-Deformer：一种用于脑机接口的密集卷积变形器
通过将 Hierarchical Coarse-to-Fine Transformer (HCT) 和 Dense Information Purification (DIP) 模块结合进 CNN-Transformer，我们提出了 EEG
PDF2 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
物理相容和无监督的黎曼领域适应，用于异构脑电数据的机器学习
应用电脑脑电波信号物理学的方法，通过字段插值将脑电通道映射到固定位置，实现源域适应，提高了脑机接口和潜在生物标志应用的分类性能。
PDF4 months ago
避免训练过程的机器人辅助康复中基于脑电图分类器的跨任务迁移
该研究探讨了通过脑电图记录未受影响手臂的活动，以学习个体化机器学习模型来支持患者康复，结果表明预测运动的分类器在选定的受双边运动意图诱发的脑电图通道上训练时与全面训练脑电图数据的分类器在单边运动意图上的表现差异不显著。这一方法可在实际治疗中
PDF4 months ago
基于脑电心智模拟的独立主体深度架构 EEG 分类
提出了一种新颖的主体无关的半监督深度架构（SSDA），它包括两个部分：无监督部分（CST-AE）从训练样本中提取潜在特征，并降低表示的维度，保证其可辨识性；监督部分利用无监督部分获取的特征，学习基于标记训练样本的分类器，并通过中心损失减小类
PDF5 months ago
自监督学习用于脑电图的系统调查
本文提出了一种针对脑电图（ EEG）信号的自我监督学习（ SSL）框架综述，讨论了典型的 SSL 框架、现有的 EEG-SSL 框架以及 SSL 方法在不同下游任务中的适应性和潜在发展方向。
PDF6 months ago
3D-CLMI：基于 3D-CNN、LSTM 和注意力机制的运动想象 EEG 分类模型
本研究提出了一种结合三维卷积神经网络与长短期记忆网络并具有注意力机制的模型来对运动想象 - 电子脑接口信号进行分类，实验结果表明该模型在运动想象任务领域取得了更高的分类准确度和 F1 值，对于用户的运动想象意图的分类准确度有较大的提升。
PDF6 months ago
ProtoEEGNet：一种可解释的用于检测间发性癫痫放电的方法
利用 ProtoEEGNet 模型来实现对间症期癫痫放电的准确检测和解释性分类，从而帮助医学专家有效检测间症期癫痫放电并保持透明的决策过程。
PDF7 months ago
人工智能在脑电图预测中的应用：混沌理论
研究通过应用混沌理论和动力系统理论，采用基于 Transformer 的序列预测架构，分析了 32 个脑电图通道上的数据，并展现了其在 EEG 数据序列预测方面的强大可靠性和普适性。
PDF9 months ago
基于动态领域适应的深度学习网络用于基于脑电信号的动作意象分类
我们提出了一种基于动态领域自适应的深度学习网络 (DADL-Net)，通过 3D 卷积模块将脑电数据映射到三维几何空间，并学习其时空特征，利用空间通道注意机制加强特征，最终通过卷积模块进一步学习特征的时空信息。通过引入最大均值差异损失函数，
PDF9 months ago
MASA-TCN: 多锚空间感知时序卷积神经网络用于连续与离散脑电情绪识别
利用电脑辅助情感识别 (EEG) 的主要场景有两种：离散标签的分类和连续标签的回归。虽然有很多算法用于分类任务，但回归任务的方法却很少。对于情感回归，标签在时间上是连续的。一种自然的方法是学习时间动态模式。在以往的研究中，使用长短期记忆 (
PDF10 months ago
从脑电图解码自然图像进行物体识别
我们提出了一种自监督框架，从脑电信号中学习图像表征。通过对配对图像刺激和脑电反应进行特征提取，然后使用对比学习来对齐这两种模态，我们的方法在最广泛的脑电图像数据集上取得了最先进的结果，并在 200 种零样本任务中达到了 15.6% 的 to
PDF10 months ago
一种基于混合深度时空注意力模型的帕金森病诊断方法，使用静息状态脑电信号
该研究提出了一种基于深度学习模型的帕金森病诊断方法，利用静息状态脑电图信号，通过提取复杂的隐藏非线性特征并展示其在未见数据上的泛化能力，该模型由卷积神经网络、双向门控循环单元和注意力机制构成，并在三个公开数据集上进行评估，结果表明该模型在训
PDFa year ago
基于脑电图的认知负荷分类：特征屏蔽自编码和情感迁移学习
本文介绍了一种使用脑电图的认知负荷分类的新方法，采用变压器架构与迁移学习，利用自监督预训练和冻结权重与微调的迁移学习来进行认知负荷分类，实验证明该方法表现优秀且胜过传统的单阶段全监督学习，研究为情感计算中的认知负荷领域增加了新的文献，为未来
PDFa year ago
基于概念的脑电波变压器模型解释能力
应用概念激活向量（CAVs）方法，本研究旨在理解深度学习模型内部状态，进而解释大规模变压器模型中的脑电图（EEG）数据，通过定义解释性概念和选择相关数据集来建立概念在潜在空间中的基础。研究结果表明，外部标记的 EEG 数据集和解剖学定义的概
PDFa year ago
生理信号的深度生成模型：系统文献综述
本文系统性地综述了深度生成模型在生理信号方面的研究，特别是心电图、脑电图、光电容抗图和肌电图等，总结了最新的技术、应用和挑战，同时强调了评估协议和生理数据库。
PDFa year ago
利用迁移学习从 EEG 中进行情感检测
本研究使用 Resnet50 作为基本模型和 Mean Phase Coherence（MPC）和 Magnitude Squared Coherence（MSC）的组合来识别情绪，结果表明该方法在情感分类方面很有前途。
PDFa year ago
用于主动矫形器误差检测的脑电图和肌电图数据集
这篇研究介绍了一个包含了 EEG 和 EMG 记录的数据集，主要旨在为研究社区提供一个数据集进行异步错误检测，数据集公开可用并可重现。
PDFa year ago