PulseAugur
中
实时 05:50:50
English(EN) Visual Semantic Decoding of Electrocorticography from Video Stimuli using End-to-End Deep Learning

深度学习从大脑活动中解码视觉感知

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个端到端的深度学习框架，能够从皮层脑电图（ECoG）数据中解码视觉语义信息。该系统使用时间序列神经输入预测视频刺激的视觉类别，在有限的训练样本下取得了令人鼓舞的结果。性能最佳的模型采用了mixup增强、基于Transformer的编码器和高伽马频段输入，表明早期视觉皮层、腹侧视觉流皮层和外侧颞叶皮层对解码性能有显著贡献。 AI

影响 这项研究展示了一种直接从大脑信号中解释视觉感知的新方法，有望推动脑机接口和神经科学理解的发展。

排序理由 该项目是一篇研究论文，详细介绍了一种新颖的深度学习方法来解码大脑活动。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

深度学习从大脑活动中解码视觉感知

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Stella Ho, Joel Villalobos, Joseph West, Jingyang Liu, Weijie Qi, Haruhiko Kishima, Ryohei Fukuma, Takufumi Yanagisawa, Sam E. John, David B. Grayden ·

    基于端到端深度学习的视频刺激下皮层脑电图的视觉语义解码

    arXiv:2607.18923v1 Announce Type: new Abstract: ECoG-based visual semantic decoding enables inference of semantic interpretation of visual perception from complex, noisy brain activity. This study examines the feasibility of visual semantic decoding using an end-to-end deep learn…

相关实体

相关话题