Modelos de fundación EEG: Una revisión crítica de los avances actuales y las direcciones futuras

Área de la Ciencia:

• La neurociencia es la neurociencia.
• La inteligencia artificial es inteligencia artificial.
• Ingeniería Biomédica Ingeniería Biomédica.

Sus antecedentes:

• El análisis de patrones de electroencefalografía (EEG) es crucial para la investigación y el uso clínico.
• Los modelos de EEG supervisados luchan con la extracción de características robustas y requieren anotaciones costosas.
• Los modelos de fundación EEG auto-supervisados (EEG-FMs) ofrecen una alternativa escalable para la extracción de características EEG.

Objetivo del estudio:

• Revisar los primeros EEG-FM e identificar tendencias para el desarrollo futuro.
• Para evaluar la preparación en el mundo real y las rúbricas de progreso de la investigación para EEG-FM.

Principales métodos:

• Análisis comparativo de diez de los primeros EEG-FM.
• Evaluación basada en la representación de datos de entrada, modelado auto-supervisado y estrategias de evaluación.
• Síntesis crítica de metodologías, hallazgos y brechas de investigación.

Principales resultados:

• La mayoría de los EEG-FM utilizan espinazos de transformadores con reconstrucción de secuencia enmascarada para la auto-supervisión.
• Las evaluaciones actuales del modelo son inconsistentes y limitan la evaluación de la utilidad práctica.
• Necesidad de evaluaciones estandarizadas y realistas y aprendizaje de representación basado en principios.

Conclusiones:

• Los EEG-FM requieren el desarrollo de puntos de referencia, software y metodologías.
• La colaboración con expertos en el dominio es esencial para avanzar en la utilidad de la traducción.
• Los enfoques estandarizados mejorarán la adopción en el mundo real de los EEG-FM.