Zyphra/zuna

解决的问题

ZUNA1.1 旨在解决 EEG（脑电图）记录中的常见问题，例如噪声数据、缺失通道（故障电极）或稀疏电极布局。研究人员无需为不同硬件配置重新训练模型，即可实现信号去噪、丢失通道重建以及将稀疏导联升级为更密集的导联。

工作原理

ZUNA1.1 是一个 380M 参数的 Transformer 编码器-解码器扩散自编码器。它将 EEG 信号切分为 0.125 秒的片段，并将其视为令牌处理。与依赖固定通道列表的传统模型不同，ZUNA 基于电极的 3D 头皮坐标，使用 4D 旋转位置编码（x, y, z, t）。这使得模型具备“通道无关性”，即无论记录时使用的电极数量或布局如何，都能在头皮任意位置合成信号。

适用人群

专为需要清洗和增强神经数据的 EEG 研究人员和 BCI（脑-计算机接口）开发者设计。明确不用于临床医疗诊断用途。

主要亮点

• 灵活的导联支持： 适用于从 4 通道头带至 256 通道研究帽的任意布局。
• 高效推理： 所需显存低于 1 GB，可在消费级 GPU、Mac（Apple Silicon）或 CPU 上运行。
• 鲁棒训练： 基于 350 万通道小时的公开 EEG 数据，采用四种不同丢弃策略（整通道、全时段、通道-时段、随机均匀）模拟真实世界中的数据损坏。
• 可变长度输入： 支持 0.5 至 30 秒的信号片段。
• 易于集成： 提供 Python API 和浏览器版沙盒，可快速实现去噪与上采样。