研究人员开发了一种用于脑电图基础模型（EEG-FM）的参数高效自监督适应方法，以提高在不同临床数据集上的泛化能力。该方法仅更新9%的模型参数，并在三个临床脑电图数据集上对两个最先进的模型进行了评估，用于异常检测、事件分类和癫痫检测。研究结果表明，与线性探测相比，性能持续提升，并且在固定计算预算下，仅使用20-50%的未标记数据即可达到峰值性能。值得注意的是，当总窗口数量固定时，性能与患者数量无关，这表明整体时间窗口多样性是关键因素。 AI
影响 使得脑电图基础模型能在资源受限的临床环境中更有效地部署，减少计算开销和数据负担。
排序理由 这是一篇详细介绍模型适应新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
