يقدّم باحثون PhysioWave-T، وهي مجموعة من نماذج الذكاء الاصطناعي لإشارات EEG وECG وsEMG، أي الإشارات العضلية. ويجمع النهج بين مقاييس الإشارة بالمويجات قبل تحويل البيانات إلى رموز؛ ويذكر الباحثون أن ذلك خفّض زمن استجابة Transformer بمقدار يتراوح بين 4.0 و7.2 مرات، والذاكرة القصوى بين 6.8 و12.7 مرة، عبر أربعة مسارات لمعالجة EEG، من دون تراجع في الدقة.
في اختبار SeizeIT2 للكشف عن نوبات الصرع، أفاد الباحثون بأن دمج الإشارات من مُشفّرات منفصلة رفع حساسية رصد الأحداث من 61.4% إلى 74.4%، عند 11 إنذارًا كاذبًا في الساعة. وتذكر الورقة أن الشيفرة وأوزان النموذج متاحة، لكن السجل المقدّم لا يتضمن روابطها.
لماذا يهم
قد تجعل وفورات الذاكرة المعلنة هذه النماذج أقل تطلبًا عند معالجة تسجيلات EEG، لكن النتائج لا تثبت أداءها في الاستخدام السريري.
