16:00‒17:30 Masaru Ibuka 礼堂口语 5 视觉编码 III 23 Altuğ Şimşek(博阿齐奇大学)*; Günhan Dündar(博阿齐奇大学)一种基于纹理的快速 8K 通用视频编码 (VVC) 帧内分区算法
基于连续脑电图 (cEEG) 的视觉频谱表示的患者独立癫痫活动检测已广泛用于诊断癫痫。然而,由于不同受试者、通道和时间点的细微变化,精确检测仍然是一项相当大的挑战。因此,捕获与高频纹理信息相关的脑电图模式的细粒度、判别性特征尚未解决。在这项工作中,我们提出了散射变压器 (ScatterFormer),这是一种基于不变散射变换的分层变压器,它特别关注细微特征。特别是,解缠结的频率感知注意力 (FAA) 使变压器能够捕获具有临床信息的高频成分,基于多通道脑电图信号的视觉编码提供了一种新的临床可解释性。在两个不同的癫痫样检测任务上的评估证明了我们方法的有效性。我们提出的模型在 Rolandic 癫痫患者中实现了 98.14% 和 96.39% 的中位 AUCROC 和准确率。在新生儿癫痫发作检测基准上,其平均 AUCROC 比最先进的方法高出 9%。
基于连续脑电图 (cEEG) 的视觉频谱表示的患者独立癫痫活动检测已广泛用于诊断癫痫。然而,由于不同受试者、通道和时间点的细微变化,精确检测仍然是一项相当大的挑战。因此,捕获与高频纹理信息相关的脑电图模式的细粒度、判别性特征尚未解决。在这项工作中,我们提出了散射变压器 (ScatterFormer),这是一种基于不变散射变换的分层变压器,它特别关注细微特征。特别是,解缠结的频率感知注意力 (FAA) 使变压器能够捕获具有临床信息的高频成分,基于多通道脑电图信号的视觉编码提供了一种新的临床可解释性。在两个不同的癫痫样检测任务上的评估证明了我们方法的有效性。我们提出的模型在 Rolandic 癫痫患者中实现了 98.14% 和 96.39% 的中位 AUCROC 和准确率。在新生儿癫痫发作检测基准上,其平均 AUCROC 比最先进的方法高出 9%。
哺乳动物皮层中的神经元数量在不同物种之间相差多个数量级。相比之下,兴奋性神经元与抑制性神经元的比例(E:I 比)变化范围要小得多,从 3:1 到 9:1,并且对于同一物种的不同感觉区域大致保持不变。尽管这种结构对于理解神经回路的功能很重要,但这种一致性的原因尚不清楚。虽然基于有效编码假设的最新视觉模型表明,增加兴奋性和抑制性细胞的数量可以改善刺激表征,但由于脑容量的限制,两者无法同时增加。在这项工作中,我们在体积受限(使用神经元数量作为替代)的情况下实现了一种有效的视觉编码模型,同时改变了 E:I 比。我们表明,在几个指标下,该模型在生物学观察到的 E:I 比下的性能最佳。我们认为这是由于计算精度和自然刺激表征能力之间的权衡而发生的。此外,我们通过实验得出了可测试的预测:1) 神经活动稀疏度较高的物种的最佳 E:I 比率应该更高;2) 抑制性突触分布和发放率的特征应该根据 E:I 比率而变化。我们的研究结果得到了我们对公开数据的新初步分析的支持,它提供了第一个基于最佳编码模型的定量和可测试假设,用于研究哺乳动物感觉皮层中兴奋性和抑制性神经类型的分布。