# PhysioWave-T يسعى لخفض تكلفة نماذج الإشارات الحيوية

> يقدّم باحثون نماذج قائمة على المويجات لإشارات EEG وECG والعضلات، ويقولون إنها تقلل كلفة الحوسبة وتحسّن النتائج في اختبارات محددة.

Oossa · 2026-11-09 · https://oossa.com/ar/physiowave-t-aims-to-cut-biosignal-model-costs

تاريخ الحدث: 2026-11-06

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.

## الحقائق

- يتألف نموذج EEG من 30 مليون مُعامل، ودُرّب مسبقًا على أكثر من 15 مليون نافذة، بحسب الباحثين.
- يعود تاريخ النسخة الأولى، وفق سجل التقديم على arXiv، إلى 6 نوفمبر 2026.

## لماذا يهم

قد تجعل وفورات الذاكرة المعلنة هذه النماذج أقل تطلبًا عند معالجة تسجيلات EEG، لكن النتائج لا تثبت أداءها في الاستخدام السريري.

## المصادر والمراجع

1. [PhysioWave-T: Token-Efficient Wavelet Foundation Models for Biosignals](https://arxiv.org/abs/2611.08969) – arXiv, 2026-11-09

آخر تحديث: 2026-11-09