FUSED: Framework di decodifica EEG guidato da modello fondazionale

I ricercatori hanno introdotto FUSED, un framework per la decodifica EEG senza sorgente, guidato da un modello fondazionale. Questo approccio innovativo combina un modello fondazionale su larga scala con un modello compatto specializzato attraverso una co-adaptazione a doppio ramo. FUSED mira a superare le carenze delle attuali tecniche di adattamento del dominio senza sorgente (SFDA), che dipendono da modelli pre-addestrati sulla sorgente e spesso mostrano una generalizzazione cross-dominio inadeguata e pseudo-etichette inaffidabili. Utilizzando modelli fondazionali EEG addestrati su vasti dataset, FUSED implementa una strategia di co-adaptazione che presenta viste lineari e prototipiche per generare pseudo-etichette cross-ramo, insieme a un meccanismo di filtraggio del consenso per sfruttare le intuizioni del modello fondazionale. Questa ricerca è disponibile su arXiv con ID 2605.00857.