# PhysioWave-T busca reducir el costo de los modelos de señales biológicas

> Investigadores presentan modelos basados en wavelets para EEG, ECG y señales musculares; informan de menores costos computacionales y mejores resultados en algunas pruebas.

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

Fecha del evento: 2026-11-06

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.

## Los hechos

- El modelo de EEG tiene 30 millones de parámetros y se preentrenó con más de 15 millones de segmentos, según los autores.
- El historial de envíos a arXiv fecha la primera versión el 6 de noviembre de 2026.

## 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.

## Fuentes y referencias

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

Última actualización: 2026-11-09