实体
electrooculography
electrooculography
PulseAugur coverage of electrooculography — every cluster mentioning electrooculography across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
Omni-Sleep 基础模型采用层级学习进行高级睡眠分析
研究人员开发了 Omni-Sleep，这是一种新颖的睡眠分析基础模型，它利用层级对比学习。该模型整合了中枢神经系统 (CNS) 和自主神经系统 (ANS) 的生理组织，从多模态多导睡眠图 (PSG) 信号中学习结构化表示。Omni-Sleep 在超过 10 万小时的数据上进行了预训练，在睡眠分期和疾病分类方面表现优于现有基线，显示出更好的泛化性和鲁棒性。
-
NAPS模型使用注意力机制融合异构生理信号进行睡眠分期
研究人员开发了NAPS，一个新颖的神经模块，旨在融合异构生理信号以获得更鲁棒的机器学习表示。该模块采用三轴注意力机制和维度自适应训练，以有效管理不同的传感器配置和数据质量。NAPS在多导睡眠图自动睡眠分期方面展示了最先进的泛化能力，通过自适应地加权不同的信号源，其性能优于现有方法。
-
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。