实体
TUEV
TUEV
PulseAugur coverage of TUEV — every cluster mentioning TUEV across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
参数高效适应提升脑电图基础模型临床应用能力
研究人员开发了一种用于脑电图基础模型（EEG-FM）的参数高效自监督适应方法，以提高在不同临床数据集上的泛化能力。该方法仅更新9%的模型参数，并在三个临床脑电图数据集上对两个最先进的模型进行了评估，用于异常检测、事件分类和癫痫检测。研究结果表明，与线性探测相比，性能持续提升，并且在固定计算预算下，仅使用20-50%的未标记数据即可达到峰值性能。值得注意的是，当总窗口数量固定时，性能与患者数量无关，这表明整体时间窗口多样性是关键因素。
-
参数高效适应提升脑电图基础模型临床应用能力
研究人员开发了一种用于脑电图基础模型（EEG-FM）的参数高效自监督适应方法，该方法仅需更新9%的参数。此方法旨在使这些模型在计算资源有限的临床环境中更加实用。该方法在两个最先进的模型上进行了评估，并在各种临床脑电图数据集上展示了持续的性能提升，表明在计算开销和数据收集负担最小的情况下可以实现有效部署。
-
词袋模型框架为低数据量下的脑电图分析提供可解释性
研究人员开发了一种名为词袋模型的新型可解释框架，用于分析脑电图（EEG）数据，尤其是在数据量较少的情况下。该方法学习一个重复的脑电图波形模板字典，将连续的脑电图转换为可用于分类或聚类的标记序列。该框架还可以整合时间和空间信息，在提供完全可解释性并显著减少数据和计算资源需求的同时，实现了与最先进的深度学习模型相媲美的性能。