MSBraM

新型MSBraM模型通过多尺度学习推动脑电图信号分析

研究人员开发了MSBraM，这是一种新颖的自监督基础模型，旨在更好地理解脑电图（EEG）信号。与以往难以处理EEG数据多尺度特性的模型不同，MSBraM采用了两阶段预训练过程。它首先将EEG信号离散化为不同时间分辨率的语义码，然后学习预测掩码码，将局部模式与全局上下文相结合。MSBraM在超过2400小时的EEG数据上进行了预训练，在12个公共数据集的10个下游任务中表现出卓越的性能和泛化能力。