I Modelli Fondamentali EEG Mostrano un Bias Spettrale contro i Segnali Oscillatori

Un nuovo studio pubblicato su arXiv (2605.26434) rivela che i modelli fondamentali EEG, pre-addestrati su grandi quantità di dati EEG non etichettati, presentano un bias spettrale fondamentale. Nonostante risultati promettenti in scenari ricchi di dati, questi modelli spesso ottengono prestazioni inferiori rispetto a modelli supervisionati più piccoli in contesti con poche risorse. La ricerca attribuisce questo a una discrepanza tra i compiti pre-testuali basati sulla ricostruzione e la struttura spettrale dei segnali EEG, che consistono in componenti aperiodiche ad alta potenza e componenti oscillatorie a bassa potenza. Utilizzando input EEG sintetici, gli autori dimostrano che gli embedding sono distorti verso le componenti aperiodiche, sottorappresentando l'attività oscillatoria, specialmente a frequenze più alte. Valutazioni con probe lineari su dataset BCI reali confermano questo bias.