Investigadores presentan PhysioWave-T, una familia de modelos de IA para EEG, ECG y sEMG, o señales musculares. El método combina escalas de señales wavelet antes de convertir los datos en tokens; los autores informan que esto redujo entre 4,0 y 7,2 veces la latencia de Transformer y entre 6,8 y 12,7 veces la memoria máxima en cuatro flujos de procesamiento de EEG, sin reducir la precisión.
En la prueba de detección de convulsiones SeizeIT2, los autores informan que combinar señales de codificadores separados elevó la sensibilidad a los episodios del 61,4 % al 74,4 %, con 11 falsas alarmas por hora. El artículo incluye el código y los pesos del modelo, pero el registro proporcionado no contiene sus enlaces.
Por qué importa
Para los investigadores que procesan grabaciones de EEG, el ahorro de memoria informado podría hacer que estos modelos requieran menos recursos para ejecutarse, aunque los resultados no permiten determinar su desempeño en el uso clínico.
