wjq-learning/CBraMod
[ICLR 2025] CBraMod: A Criss-Cross Brain Foundation Model for EEG Decoding
何を解決するか
CBraModは、臨床およびブレイン・コンピュータ・インターフェース（BCI）アプリケーション向けのEEG（脳波）デコーディングを改善するために設計されています。これは、大規模なEEGデータセットで事前学習を行い、その後特定のダウンストリームタスクに合わせて微調整（fine-tuning）できる基盤モデルを提供します。
仕組み
このプロジェクトは、「Criss-Cross Brain Foundation Model」を実装しています。ユーザーは、大規模なデータセットでモデルを事前学習して一般的な脳活動パターンを学習させ、その後、出力に対してカスタム分類器（線形層やMLPなど）を適用することで、さまざまなアプリケーション向けに特定の脳信号をデコードすることが可能です。
対象者
脳信号のデコーディングのための堅牢な出発点を必要とする、神経科学、BCI、および臨床EEG解析の分野で活動する研究者や開発者。
ハイライト
- 基盤モデルアプローチ: 事前学習と微調整のパイプラインを使用して、異なるアプリケーションにわたるEEGデコーディングを処理します。
- ICLR 2025: このモデルと手法は、ICLR 2025カンファレンスでの発表が採択されました。
- 事前学習済み重み: より迅速なデプロイメントのために、Hugging Faceで即時利用可能な重みが提供されています。
- 柔軟な微調整: 特定のデコーディングタスクに合わせて、カスタムのダウンストリームデータセットと分類器をサポートしています。
関連
- プロジェクト
- プロジェクト
- プロジェクト
- プロジェクト
- プロジェクト