PhysionetMI

新研究强调需要个性化的脑电图解码模型

两篇新研究论文探讨了脑机接口（BCI）中解码脑电图（EEG）信号的挑战。第一篇论文《平均排名掩盖了每位受试者的最优性》对超过1000种解码配置进行了基准测试，发现没有单一的流程能在所有参与者中始终表现最佳，这凸显了选择个性化模型的必要性。第二篇论文《可泛化的跨受试者和跨任务脑电图解码的零样本神经先验》引入了一个基于Transformer的基础模型，该模型在跨受试者和跨任务方面实现了更好的泛化能力，为实现更强大、无需校准的脑电图解码指明了方向。