研究人员调查了低秩自适应（LoRA）在将预训练的脑电图基础模型应用于卒中运动想象解码方面的有效性。研究发现，虽然LoRA提高了健康队列数据的准确性，但其在卒中参与者上的表现差异很大。具体而言，带有LoRA的REVE-base在卒中数据上达到了高准确率，但受试者级别的表现范围很广，表明在所有卒中患者中实现一致解码存在挑战。研究结果表明，直接迁移在健康个体上训练的模型是不够的，目标域自适应和受试者级别评估对于现实世界的康复应用至关重要。 AI
影响 强调了在将基础模型应用于卒中康复等临床环境时，进行域特定自适应和受试者级别评估的必要性。
排序理由 研究论文，详细介绍了自适应技术在特定医学领域的脑电图基础模型上的新应用。 [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 →
