本研究提出了一种名为STIED的深度学习模型,用于在临床脑磁图中检测癫痫患者的间歇性癫痫放电。该模型结合时序和空间特征,能够准确定位IEDs,性能超过85%。
Meta与巴黎高师团队提出基于脑磁图(MEG)的视觉解码新方法,结合预训练图像嵌入、端到端训练的MEG模块和预训练图像生成模块,通过对比学习与回归训练。结果显示,MEG解码器在图像检索任务上比传统线性解码器提升7倍,前5准确率约70%,并能生成与所见图像类别一致的图像。MEG时间分辨率高,有望实现实时视觉解码,但空间分辨率低,难以还原轮廓、阴影等低级特征。
完成下面两步后,将自动完成登录并继续当前操作。