I LLM migliorano il rilevamento delle crisi epilettiche tramite EEG mediante raffinamento dei grafi

Uno studio recente propone l'uso di modelli linguistici di grandi dimensioni (LLM) per migliorare il raffinamento degli archi dei grafi, avanzando così l'apprendimento delle rappresentazioni per la diagnosi di crisi epilettiche tramite EEG. Sebbene i segnali EEG siano fondamentali per l'identificazione automatica delle crisi, sono spesso afflitti da rumore, che genera archi non necessari o irrilevanti durante la creazione del grafo, influenzando negativamente le prestazioni successive. I ricercatori presentano un approccio in due fasi: inizialmente, dimostrano che il raffinamento degli archi guidato da LLM elimina con successo le connessioni ridondanti, migliorando l'accuratezza del rilevamento delle crisi e creando strutture grafiche più pertinenti. Successivamente, propongono un metodo robusto in cui il grafo iniziale viene formato utilizzando una tecnica basata sulla correlazione e poi raffinato da un LLM. Questa ricerca è disponibile su arXiv, con ID 2604.28178.