DiffEEG：自监督扩散模型用于EEG癫痫检测
热点事件持续更新
DiffEEG：自监督扩散模型用于EEG癫痫检测
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Abdulkader Helwan等作者提交预印本论文，提出DiffEEG——一个9.6M参数的自监督基础模型，通过去噪扩散预训练和强化学习微调实现EEG癫痫检测。模型在TUHSZ的1.3M无标注片段上预训练，采用1D U-Net与多头自注意力。 在279名患者的Leave-One-Fold-Out评估中，二分类检测达81%准确率和85%加权F1；四分类癫痫亚型为61%准确率和59%F1。上述结果为论文报告数据，尚未经同行评审。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 12:00
DiffEEG：面向 EEG 癫痫相关表征学习的自监督去噪扩散模型报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.AIDiffEEG：面向 EEG 癫痫相关表征学习的自监督去噪扩散模型
DiffEEG 是一个 9.6M 参数的自监督基础模型，通过去噪扩散预训练与强化学习微调实现 EEG 癫痫检测。模型在 TUHSZ 的 1.3M 无标注片段上预训练，采用 1D U-Net 与多头自注意力；在 279 名患者的 Leave-One-Fold-Out 评估中，二分类检测达 81% 准确率和 85% 加权 F1，四分类癫痫亚型为 61% 准确率和 59% F1。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。