BriefGPT - AI 论文速递
·
创伤性脑损伤研究的综合文本和图像数据集
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
最近的研究成功将fMRI和EEG等认知信号解码为文本，但数据污染影响了模型性能。为了公平评估不同模型的泛化能力，研究提出了一种新的数据集拆分方法，并测试了SOTA脑-文本解码模型的性能。
🎯
关键要点
- 非侵入性认知信号解码为自然语言是建立实用脑 - 计算机接口的目标。
- 最近成功将fMRI和EEG等认知信号解码为文本。
- 数据集拆分方法在认知信号解码任务中存在争议。
- 数据污染影响了模型性能，夸大了模型的表现。
- 提出了一种新的数据集拆分方法以消除数据污染的影响。
- 新方法用于不同类型的认知数据集，如fMRI和EEG。
- 测试了SOTA脑-文本解码模型在新数据集分裂模式下的性能。
➡️
