本研究では、大規模トランスフォーマーモデルを脳波データ解析に適用するための手法「AdaCT」を提案している。AdaCTは、時系列の脳波データを画像や文字列に変換することで、事前学習された視覚や言語モデルを微調整できるようにする。
具体的には、AdaCT-Iは多チャンネルや長時間の脳波データを時空間2Dの疑似画像に変換し、事前学習された視覚トランスフォーマーを微調整する。一方、AdaCT-Tは単一チャンネルの短時間脳波データを文字列に変換し、事前学習された言語トランスフォーマーを微調整する。
実験の結果、AdaCTを用いることで、既存の手法を上回る性能を達成できることが示された。特に、大規模なトランスフォーマーモデルを微調整することで、てんかん発作の予測や睡眠ステージの分類などの脳波解析タスクで優れた結果が得られた。また、他の時系列データセットでも高い精度を示した。
本研究は、事前学習された大規模トランスフォーマーモデルの能力を脳波データ解析に活用する新しい枠組みを提案しており、時系列データ解析の発展と脳波データ解析の解釈性向上に貢献すると期待される。
To Another Language
from source content
arxiv.org
Principais Insights Extraídos De
by Bingxin Wang... às arxiv.org 04-16-2024
https://arxiv.org/pdf/2308.11654.pdfPerguntas Mais Profundas