研究者提出统一EEG与iEEG癫痫分类框架UMSH
热点事件持续更新
研究者提出统一EEG与iEEG癫痫分类框架UMSH
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Ramya Sundaram等作者提出统一多模态信号协调框架UMSH，将不同采样率和记录条件下的EEG与iEEG信号整合，用于跨模态癫痫发作分类。 该框架用cGAN生成合成样本以缓解数据类别极度不平衡，并用EEGNet-ViT提取局部判别特征与全局上下文信息。作者称实验显示该框架在癫痫分类上表现稳健，凸显EEG-iEEG多模态学习在癫痫监测与临床决策支持中的潜力。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
面向模态无关的癫痫发作分类：统一 EEG 与 iEEG 信号的深度学习框架报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.LG面向模态无关的癫痫发作分类：统一 EEG 与 iEEG 信号的深度学习框架
研究者提出统一多模态信号协调框架 UMSH，将不同采样率和记录条件下的 EEG 与 iEEG 信号整合，实现跨模态癫痫发作分类。该框架采用 cGAN 生成合成样本以缓解数据类别极度不平衡，并用 EEGNet-ViT 提取局部判别特征与全局上下文信息。实验表明该框架在癫痫分类上表现稳健，凸显 EEG-iEEG 多模态学习在下一代癫痫监测与临床决策支持中的潜力。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。