Evomoe : Mélange évolutif d'experts pour la classification SSVEP-EEG avec apprentissage indépendant de l'utilisateur

Sciences de l'information, Informatique, Intelligence artificielle, Médecine, Neurologie, Sciences de la vie, Génie biologique, Biophysique,
interface cerveau-ordinateur   électroencéphalographie   mélange évolutif d'experts   différences individuelles   apprentissage indépendant de l'utilisateur   SSVEP   apprentissage par transfert  

Analyse de “EVOMOE: Evolutionary Mixture-of-Experts for SSVEP-EEG Classification with User-Independent Training” I. Contexte de la recherche et problématique La technologie des interfaces cerveau-ordinateur (Brain-Computer Interface, BCI) possède dernièrement de vastes perspectives d’application dans l’ingénierie neuronale, l’assistance aux personn...

Transformateurs de vision, modèle d'ensemble et apprentissage par transfert utilisant l'IA explicable pour la détection et la classification des tumeurs cérébrales

Sciences de l'information, Informatique, Intelligence artificielle, Médecine, Neurologie, Imagerie médicale, Oncologie,
classification des tumeurs cérébrales   apprentissage profond   apprentissage ensembliste   classification multiclasses   apprentissage par transfert   IA explicable   transformateurs de vision  

En raison de la forte incidence et de la létalité des tumeurs cérébrales, il est devenu particulièrement important de détecter et de classifier rapidement et précisément les tumeurs cérébrales. Les tumeurs cérébrales incluent des types malins et non malins, et leur croissance anormale peut causer des dommages à long terme au cerveau. L’imagerie par...

Réseaux de Convolution de Graphes Spatio-Temporels Multi-Vue avec Généralisation de Domaine pour la Classification des États de Sommeil

Sciences de l'information, Informatique, Intelligence artificielle, Médecine, Médecine fondamentale, Analyses médicales, Neurologie, Sciences de la vie, Génie biologique,
classification des états de sommeil   convolution de graphes spatio-temporels   apprentissage par transfert   généralisation de domaine   réseaux cérébraux  

Le classement des phases de sommeil est essentiel pour évaluer la qualité du sommeil et diagnostiquer les maladies. Cependant, les méthodes actuelles de classification rencontrent encore de nombreux défis lorsqu’il s’agit de traiter les caractéristiques spatiales et temporelles des signaux cérébraux multicanaux qui changent avec le temps, de gérer ...

EISATC-Fusion: Fusion du réseau de convolution temporelle à auto-attention inception pour le décodage EEG de l'imagerie motrice

EISATC-Fusion: Fusion du réseau de convolution temporelle à auto-attention inception pour le décodage EEG de l'imagerie motrice

Ingénierie, Génie électrique, Sciences de l'information, Intelligence artificielle, Médecine, Neurologie,
interface cerveau-ordinateur   imagerie motrice   effondrement de l'attention   réseau de convolution temporelle   apprentissage par transfert  

Contexte de la recherche La technologie d’interface cerveau-ordinateur (brain-computer interface, BCI) permet une communication directe entre le cerveau et les dispositifs externes. Elle est largement utilisée dans des domaines tels que l’interaction homme-machine, la rééducation motrice et la médecine. Les paradigmes courants de BCI incluent le po...

Une évaluation systématique de l'alignement euclidien avec l'apprentissage profond pour le décodage EEG

Sciences de l'information, Informatique, Intelligence artificielle, Médecine, Neurologie,
interfaces cerveau-ordinateur   apprentissage profond   alignement euclidien   décodage EEG   apprentissage par transfert  

Évaluation systématique de l’alignement euclidien avec l’apprentissage profond pour le décodage de l’EEG Introduction Les signaux électroencéphalographiques (EEG) sont largement utilisés dans les interfaces cerveau-machine (BCI) en raison de leur nature non invasive, de leur portabilité et de leur faible coût d’acquisition. Cependant, les signaux E...