STST-JEPA

新型STST-JEPA模型推动脑电图自监督学习在脑龄预测方面的进展

研究人员开发了STST-JEPA，这是一种新颖的、专为脑电图（EEG）数据设计的自监督Transformer架构。该模型在超过47,000次脑电图会话的大型数据集上进行了预训练，旨在改进脑龄预测和其他神经学分析。STST-JEPA架构包含一个潜在预测目标和一个辅助信号重建项，以处理脑电图数据的复杂性，如跨站点变异和受试者特异性非平稳性。初步结果显示，年龄回归的平均绝对误差为3.06年，在性别分类和精神病理学回归基准测试中表现具有竞争力。