Denoising EEG Auto-Supervisionato tramite Partizionamento Intelligente
Un nuovo metodo chiamato Partizionamento Intelligente per il Denoising Auto-Supervisionato (iPSD) consente l'addestramento di denoiser EEG basati su deep learning senza richiedere segnali di riferimento puliti. L'elaborazione classica dei segnali fallisce sull'EEG indossabile a causa di artefatti variabili nel tempo, mentre il deep learning necessita tipicamente di dati privi di artefatti, spesso non ottenibili. iPSD partiziona un segmento EEG di input in realizzazioni rumorose indipendenti che condividono lo stesso segnale sottostante, permettendo l'auto-supervisione anche in contesti zero-shot con un singolo segmento. Il metodo è validato su compiti di denoising EEG indossabile.
Fatti principali
- iPSD elimina la necessità di un EEG di riferimento pulito
- Impara a partizionare l'EEG di input in realizzazioni rumorose indipendenti
- Consente il denoising auto-supervisionato basato su deep learning
- Funziona in contesti zero-shot con un singolo segmento EEG
- Affronta artefatti pervasivi variabili nel tempo nell'EEG indossabile
- I metodi classici falliscono a causa di regole fisse o euristiche
- Il deep learning mostra potenziale ma richiede dati privi di artefatti, spesso non ottenibili
- Validato su denoising EEG indossabile
Entità
Istituzioni
- arXiv