实体
EEGDenoiseNet
EEGDenoiseNet
PulseAugur coverage of EEGDenoiseNet — every cluster mentioning EEGDenoiseNet across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
脑电图去噪模型容量饱和；重建指标未能完成下游任务
一篇新的研究论文探讨了深度学习模型在脑电图（EEG）去噪中所需的容量，发现性能在仅有3-6.5K参数的小型模型上就已饱和。尽管如此，当前的架构通常会扩展到数千万个参数，但并未带来显著的性能提升。至关重要的是，用于评估去噪效果的重建指标并不能预测信号在运动想象分类等下游任务中的效用，甚至可能导致性能下降。
-
BandRouteNet 神经网络提供自适应脑电图伪影去除
研究人员开发了 BandRouteNet，这是一种新颖的神经网络，旨在去除脑电图 (EEG) 信号中的伪影。这种自适应的、频率感知的模型在特定频带内处理脑电图数据，同时也考虑了全带上下文。BandRouteNet 独特的路由机制使其能够选择性地对每个频带内的不同时间位置进行去噪，从而提高信号质量。实验表明，它在各种伪影类型的基准数据集上优于现有方法，并且参数效率高。