实体
REVE-base
REVE-base
PulseAugur coverage of REVE-base — every cluster mentioning REVE-base across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
LoRA自适应在卒中脑电图解码方面效果喜忧参半
研究人员调查了低秩自适应（LoRA）在将预训练的脑电图基础模型应用于卒中运动想象解码方面的有效性。研究发现，虽然LoRA提高了健康队列数据的准确性，但其在卒中参与者上的表现差异很大。具体而言，带有LoRA的REVE-base在卒中数据上达到了高准确率，但受试者级别的表现范围很广，表明在所有卒中患者中实现一致解码存在挑战。研究结果表明，直接迁移在健康个体上训练的模型是不够的，目标域自适应和受试者级别评估对于现实世界的康复应用至关重要。
-
脑电图基础模型在ICU爆发抑制检测方面展现潜力
一项新研究评估了脑电图（EEG）基础模型（FMs）在检测重症监护室（ICU）脑电图数据中爆发抑制（BS）模式的有效性。该研究无需进行患者特异性校准，将REVE-base、LUNA-large和LuMamba-Tiny等多个基础模型与基线方法进行了比较。REVE-base表现出卓越的性能，取得了最高的事件触发性F1分数，并显著减少了爆发检测中的错误，凸显了基础模型在临界护理环境中进行可扩展脑电图监测的潜力。