Core Concepts
EEGのための知識に基づいた自己教師付きモデルが優れたパフォーマンスを提供する。
Abstract
自己教師付き学習は、音声、ビジョン、スピーチなどのマルチメディア領域で印象的な結果を生み出しています。このパラダイムは、ラベル付けされたデータが不足している生体信号領域でも同様に重要です。本研究では、EEG用の自己教師付きモデルを提案し、深層学習アーキテクチャを使用して堅牢なパフォーマンスと注目すべきパラメータ効率性を提供します。また、EEG信号の特異性を考慮した新しい知識に基づいた事前トレーニング目的も提案されています。結果は、従来の作業に比べて改善された埋め込み表現学習と下流タスクのパフォーマンスを示しています。
Stats
TUEGコーパスから69,410件の臨床EEG記録が使用されました。
19チャンネルから成る選択されたサブセットがプリトレーニングに使用されました。
プリトレーニングデータは約16,000時間の生EEGデータで構成されています。
Quotes
"知識に基づく目的は、シグナル構造をエンコードする適切な手作り特徴量エンジニアリングを必要とします。"
"知識に基づく目的は、追加の自己教師付き目的と共に伝統的なSSL目的で訓練されることである。"