PulseAugur
中
实时 10:22:00
实体 electroencephalography

electroencephalography

PulseAugur coverage of electroencephalography — every cluster mentioning electroencephalography across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
83
90 天内 299
发布 · 30天
0
90 天内 0
论文 · 30天
82
90 天内 287
层级分布 · 90 天
主题
关系
情绪 · 30 天

18 天有情绪数据

最近 · 第 1/10 页 · 共 200 条
  1. TOOL · CL_366423 ·

    新框架利用大脑活动稳定神经图像检索

    研究人员开发了一个新框架,通过将大脑活动与视觉表征对齐来提高神经图像检索的准确性。该方法解决了由脑电图(EEG)和脑磁图(MEG)信号等噪声和可变神经反应带来的挑战。该框架结合了双流适应、频域校准和自适应监督,以实现更鲁棒的跨模态语义对齐,并在 THINGS-EEG 和 THINGS-MEG 数据集上持续表现优异。

  2. TOOL · CL_366275 ·

    AI 模型从合成 PSG 数据中学习睡眠呼吸暂停动力学

    研究人员开发了一种名为 PSG-GAN 的生成对抗网络 (GAN),用于创建合成多导睡眠图 (PSG) 数据来训练 AI 模型。这种新方法侧重于生成多条 PSG 信号的更长片段,捕捉阻塞性睡眠呼吸暂停 (OSA) 的特征信号间的复杂动力学。仅用此合成数据训练的 AI 模型在睡眠分期和呼吸事件分割方面表现出色,表明合成数据在改善睡眠诊断方面具有潜力。

  3. TOOL · CL_369186 ·

    新的脑机接口解码器适应策略优先考虑资源效率

    研究人员开发了一种新颖的资源定价阶梯方法,用于适应脑机接口(BCI)解码器,特别是针对脑电图(EEG)数据。该系统包含一个贝叶斯头部和一个仿射映射,旨在通过考虑准确性、拟合时间和标注成本来优化适应过程。研究表明,适应应该是有门控和有上限的,而不是连续进行的,因为效用最大化门控可能会在干净数据上过度适应。证据表明,像LDA头部这样的轻量级方法,其拟合时间远少于完全微调,就能达到或超过冻结信号的准确性,在某些情况下,工厂模型无需干预即可迁移。

  4. TOOL · CL_364200 ·

    Sleep2Word框架将周边信号翻译成脑电图频谱图

    研究人员开发了Sleep2Word,一个旨在将周边生理信号翻译成脑电图(EEG)频谱图的新型框架。该方法利用持续时间感知词化,将生理嵌入分组为可变持续时间的块,并将它们的内容和持续时间量化为特定模态的词汇表。与现有基线相比,该系统在重建脑电图频谱图以及改善睡眠分期、觉醒检测和生存预测方面表现出优越的性能。Sleep2Word还显著压缩了整夜序列,提供了有利的准确性-计算权衡以及可解释的跨模态分析潜力。

  5. TOOL · CL_364089 ·

    新框架增强脑电图伪影去除评估

    研究人员推出了 TriX-EEG,一个新颖的三级框架,旨在增强脑电图伪影去除方法的评估。该框架超越了传统的重建指标,以评估信号有效性、去除忠实度和解释可靠性。通过在多个数据集和伪影类型上评估九种不同的神经去噪器,研究发现仅凭重建指标是不够的,突显了对准确、忠实和可解释方法的需求。

  6. RESEARCH · CL_366138 ·

    EEG2MCU框架支持在MCU上进行高效的可穿戴脑电图推理

    研究人员开发了EEG2MCU,一个新颖的可穿戴脑电图(EEG)推理协同设计框架。该系统通过将电极数量视为一个变量来优化硬件和软件,从而在资源受限的设备上实现高维脑电图数据的有效处理。EEG2MCU在保持高精度的同时,显著降低了SRAM使用量、延迟和能耗,使其适用于嵌入式应用。

  7. RESEARCH · CL_362502 ·

    脑电图驱动的Web架构提供实时情感音乐推荐

    研究人员开发了EE-Motion,一种集成实时脑电图(EEG)数据的个性化音乐推荐的新型Web架构。该系统使用通过Web蓝牙连接的消费级EEG头带,捕获实时脑电波信号,并将其转换为情感坐标。该架构无需持久的用户配置文件或离线模型再训练,即可根据用户当前的情感状态进行推荐,适合匿名用户。

  8. TOOL · CL_363451 ·

    新的混合脑电图-功能近红外光谱框架提高了运动想象分类的准确性

    研究人员开发了一种新颖的运动想象分类框架,该框架采用混合脑电图(EEG)和功能近红外光谱(fNIRS)方法。该框架结合了跨主体类别混合(CSCM)和选择性注意力,以提高跨不同主体的泛化能力。CSCM通过混合来自不同主体的试验来生成合成训练数据,而选择性注意力则有效地模拟了时间信号特征并融合了两种模态。在对28名受试者的数据集进行留一受试者交叉验证的评估中,该模型达到了76.85%的平均平衡准确率和76.58%的宏平均F1分数,优于五种基线方法。

  9. RESEARCH · CL_363464 ·

    新基准和模型推动脑电图视觉解码和脑到文本生成 · 跟踪 4 个来源

    研究人员正在开发新的方法来从脑电图 (EEG) 数据中解码视觉体验,旨在提高脑机接口 (BCI) 的泛化能力。两篇论文介绍了新颖的基础模型 GALA 和 MAGE,它们分别侧重于将脑电图信号与视觉刺激对齐以及捕捉多时间尺度的神经动力学。一个独立的基准 EEGProbe 已被创建,用于评估当前视觉语言模型 (VLM) 在多大程度上能够解释脑电图信号,揭示了它们理解能力方面的重大局限性。另一项研究提出了一种双视图语义桥接框架,通过利用原始…

  10. TOOL · CL_360352 ·

    新的FedEEG方法增强了联邦脑电图学习的隐私性

    研究人员开发了一种名为FedEEG的新方法,用于差分隐私联邦类增量学习,专门针对使用可穿戴脑电设备数据的少量人群。该方法结合了突触智能(Synaptic Intelligence)巩固和滞后自适应FedProx项,以减轻灾难性遗忘,其性能优于标准的FedAvg和FedProx方法。该研究还引入了头域客户端级差分隐私(DP),通过降低可实现的epsilon值来显著增强隐私保护,同时保持与非私有训练相当的效用。

  11. TOOL · CL_360186 ·

    可解释AI框架提升睡眠分期准确性

    研究人员开发了一个名为SleepXAI的可解释AI框架,以提高自动化睡眠分期的可解释性。该框架在单导联脑电图数据上进行了测试,使用了Sleep-EDF和DREAMT数据集。研究发现,在不同睡眠阶段和呼吸暂停严重程度组中,Integrated Gradients (IG) 一贯提供了最高的归因保真度,优于其他可解释AI方法。

  12. TOOL · CL_357798 ·

    新的FACE方法增强了跨主体脑电图情感识别

    研究人员开发了一种名为FACE(具有跨视图融合的少样本适配器)的新方法,以提高在不同主体之间从脑电图(EEG)数据识别情绪的准确性。该方法通过动态整合全局大脑连通性与局部模式来应对大脑活动个体差异带来的挑战。FACE还采用元学习的少样本学习技术,在最小化过拟合的同时快速适应新主体,并在公开的脑电图情感识别基准上证明了其有效性。

  13. RESEARCH · CL_356636 ·

    新型紧凑型深度学习模型增强了 BCI 的 P300 检测

    研究人员开发了一种用于 P300 脑机接口 (BCI) 的紧凑型深度学习架构,可增强诱发电位检测。该模型集成了 xDAWN 空间滤波与滤波器组和卷积层,以高效解码时空脑电图 (EEG) 数据。该系统在公开基准测试中表现良好,实现了有利的精度-速度权衡,证明了其在有效 BCI 通信方面的潜力。

  14. RESEARCH · CL_352269 ·

    新的基础模型推动脑电图分析在脑机接口中的应用

    研究人员开发了两种用于脑电图(EEG)数据的新型基础模型,旨在改进脑机接口(BCI)应用。ScaleBrain通过对输入和优化目标的尺度表示进行对齐,专注于尺度一致的预训练,以更少的参数实现高精度。EEG-X通过基于位置的通道嵌入和新颖的噪声感知掩码策略来解决设备变异性和噪声鲁棒性问题,展示了强大的跨域泛化能力。

  15. TOOL · CL_352261 ·

    混合现实脑电图接口在目标选择方面显示出可行性

    研究人员开发了一种混合现实(MR)接口,该接口利用脑电图(EEG)在消失刺激环境中实现目标选择。该研究测试了该接口的可行性,并对比了具有可区分物体线索与统一线索的条件。虽然该接口在统计学上显著的准确率下显示出可行性,但在本次初步研究中,线索的格式并未对性能产生可辨别的影响。

  16. RESEARCH · CL_352064 ·

    语言模型现在可以通过编辑权重来“训练”神经网络,性能优于梯度下降

    研究人员探索了“权重空间编程”,这是一种语言模型可以直接编辑已训练神经网络权重的方法,从而通过推理而非梯度下降来实现“训练”。该技术在调试甚至从头开始为脑电图和心电图等生物信号数据生成网络方面显示出潜力。在实验中,一个语言模型在受试者数量减少六倍的情况下达到了梯度下降训练的水平,并且在使用 Claude Opus 5.5 编写网络权重时,其性能优于传统的脑电图处理流程。然而,局限性包括无法改进已训练良好的模型,以及仅凭权重难以识别网络的任务。

  17. SIGNIFICANT · CL_349014 ·

    可穿戴睡眠追踪器在未经同意的情况下收集脑电波数据用于人工智能训练

    据报道,可穿戴睡眠追踪器公司正在使用数百万小时的客户脑电波数据(EEG)来训练人工智能模型,而未获得明确同意。像Muse头带制造商Interaxon和Emotiv等公司收集了大量的神经数据,最初在其隐私政策中未能清楚披露其用于人工智能模型开发。虽然一些公司此后更新了其政策,纳入了选择加入的同意机制,并声称对数据进行去标识化处理,但这种做法引发了重大的隐私担忧和潜在的法律责任,尤其是在科罗拉多州和加利福尼亚州等州开始制定涵盖神经数据的法律之际。

  18. TOOL · CL_348665 ·

    新的SPSC框架提高了脑电图到图像重建的准确性

    研究人员开发了一个名为SPSC的新框架,以改进从脑电图数据重建图像,特别是在零样本跨主体场景下。该框架解决了源主体脑电图嵌入与未见目标主体图像嵌入之间的语义偏移挑战。SPSC在训练中利用对象掩码对比正则化(OMCR),并在推理过程中使用子空间候选门控(SCG)进行无标签语义校正,从而在THINGS-EEG数据集上显著提高了重建准确性。

  19. TOOL · CL_348653 ·

    新的AttrEcho框架通过视觉属性增强脑电图到图像解码

    研究人员开发了一个名为AttrEcho的新框架,以提高将脑活动(EEG)解码为图像的准确性。该方法通过整合捕捉与EEG信号相关的细粒度细节的显式视觉属性来增强现有的视觉表示。在THINGS-EEG数据集上的实验表明,AttrEcho显著提高了检索准确率,在受试者内检索中达到了94.8%的Top-1准确率,在受试者间检索中达到了25.3%的Top-1准确率,凸显了空间对齐的视觉属性在此任务中的重要性。

  20. TOOL · CL_344324 ·

    脑电图基础模型适配器未显示出优于简单对照的持续优势

    一篇发表在arXiv上的研究探讨了不同适配器设计对脑电图(EEG)基础模型的有效性。研究人员将一种“骨干网知情”适配器(该适配器模拟通道和时间之间的关系)与一种更简单的逐令牌多层感知机进行了比较。当可训练参数数量匹配且预训练编码器保持固定时,在情绪识别、睡眠分期和脑电图事件分类等任务上,骨干网知情适配器并未显示出持续优势。在某些情况下,逐令牌对照甚至表现更好,这表明这些适配器的相对性能取决于特定的骨干网、任务和下游训练协议。