wjq-learning/CBraMod
[ICLR 2025] CBraMod: A Criss-Cross Brain Foundation Model for EEG Decoding
它解决了什么问题
CBraMod 旨在提升临床和脑机接口（BCI）应用中的脑电图（EEG）解码性能。它提供了一个基础模型，该模型可在大型 EEG 数据集上进行预训练，然后针对特定下游任务进行微调。
它如何工作
该项目实现了一种「十字交叉脑基础模型」。它允许用户在大型数据集上对模型进行预训练，以学习通用的大脑活动模式，然后在输出之上应用自定义分类器（如线性层或 MLP），以解码各种应用中的特定脑信号。
适用人群
从事神经科学、BCI 和临床 EEG 分析的研究人员和开发者，他们需要一个可靠的脑信号解码起点。
主要亮点
- 基础模型方法：采用预训练和微调流程，适用于不同应用场景下的 EEG 解码。
- ICLR 2025：该模型和方法已被接受在 ICLR 2025 会议上展示。
- 预训练权重：Hugging Face 上提供了可直接使用的权重，便于快速部署。
- 灵活的微调：支持自定义下游数据集和分类器，适用于特定解码任务。
相关
- 项目
- 项目
- 项目
- 项目
- 项目