Nuovo Framework AI PA-TCNet Migliora la Decodifica dell'Interfaccia Cervello-Computer per la Riabilitazione Post-Ictus

Un nuovo framework di intelligenza artificiale chiamato PA-TCNet è stato sviluppato per affrontare le sfide nella decodifica cross-soggetto dell'elettroencefalografia per pazienti post-ictus sottoposti a riabilitazione tramite interfaccia cervello-computer basata su immaginazione motoria. Il sistema affronta specificamente le dinamiche temporali anomale legate alle lesioni e la significativa variabilità inter-paziente che ostacolano la generalizzazione nei metodi di adattamento esistenti. PA-TCNet incorpora due componenti coordinati: il modulo Pathology-aware Rhythmic State Mamba scompone le caratteristiche spaziotemporali dell'EEG in contesto ritmico lento e perturbazioni transitorie veloci, mentre un meccanismo di perfezionamento del target guidato dalla fisiologia aiuta a stabilizzare le pseudo-etichette inaffidabili del dominio target. Questo approccio mira a catturare più efficacemente l'attività patologica delle onde lente che spesso induce in errore le attuali tecniche di adattamento. Il framework rappresenta un progresso nella tecnologia di riabilitazione motoria per sopravvissuti all'ictus migliorando la decodifica dei segnali EEG di immaginazione motoria tra diversi pazienti. La ricerca che descrive PA-TCNet è stata pubblicata su arXiv con identificatore 2604.16554v1.