机构名称：
¥ 1.0
大多数对一个受试者训练的认知和计算神经科学模型，由于个体差异，对其他受试者的训练不会概括为其他受试者。理想的个体对个体神经转换器有望从另一个主题中产生一个主题的真实神经信号，这可以克服认知和计算模型的个体差异问题。在这项研究中，我们提出了一种新型的个体至个体的EEG转换器，称为EEG2EEG，灵感来自计算机视觉中的生成模型。我们将EEG2数据集应用于训练和测试72个独立的EEG2EEG模型，对应于9个受试者的72对。我们的结果表明，EEG2EEG能够有效地学习一个主题中EEG信号中神经表示的映射，并实现高转换性能。此外，生成的EEG信号包含的视觉信息表示比从真实数据获得的更清晰的视觉信息表示。此方法为脑电图信号的神经转化建立了一个新颖和最新的框架，该框架可以实现从个人到个体的灵活且高性能的映射，并为神经工程和认知神经科学提供洞察力。代码：https：//github.com/zitonglu1996/eeg2eeg
从我的我的神经信号生成您的神经信号：个人到...
主要关键词
相关文件推荐
