研究人员推出RECTOR，一个新颖的自监督框架，用于从EEG/sEEG数据中学习表征，以辅助情感和认知障碍的诊断。该框架采用分层、块稀疏的自注意力机制，可动态适应区域结构。RECTOR的自监督由掩码拓扑和表征学习驱动，优化了预测建模、拓扑结构和跨视图一致性。该模型在EEG情绪识别和sEEG任务参与分类方面表现出最先进的性能，在数据缺失和跨不同蒙太奇泛化方面显示出显著的鲁棒性。 AI
排序理由 该集群包含一篇研究论文，详细介绍了用于分析EEG/sEEG数据的新建模框架。[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 →