# PhysioWave-T punta a ridurre i costi dei modelli per segnali biomedici

> I ricercatori presentano modelli basati sulle wavelet per EEG, ECG e segnali muscolari: secondo i test, richiedono meno risorse di calcolo e migliorano alcuni risultati.

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

Data dell’evento: 2026-11-06

I ricercatori presentano PhysioWave-T, una famiglia di modelli di IA per EEG, ECG e sEMG, ovvero segnali muscolari. L’approccio combina le scale del segnale ottenute con le wavelet prima di convertire i dati in token; secondo gli autori, questo ha ridotto la latenza dei Transformer di 4,0–7,2 volte e la memoria di picco di 6,8–12,7 volte in quattro procedure di elaborazione dell’EEG, senza ridurre la precisione.

Nel test di rilevamento delle crisi epilettiche SeizeIT2, gli autori riferiscono che combinare i segnali provenienti da encoder separati ha aumentato la sensibilità agli eventi dal 61,4% al 74,4%, con 11 falsi allarmi all’ora. L’articolo indica che sono disponibili il codice e i pesi dei modelli, ma il record fornito non include i relativi link.

## I fatti

- Secondo gli autori, il modello per EEG ha 30 milioni di parametri ed è stato preaddestrato su oltre 15 milioni di finestre.
- La cronologia delle versioni su arXiv indica che la prima versione è stata pubblicata il 6 novembre 2026.

## Perché conta

Per i ricercatori che elaborano registrazioni EEG, il risparmio di memoria dichiarato potrebbe rendere questi modelli meno onerosi da eseguire, anche se i risultati non dimostrano come si comportino nell’uso clinico.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-11-09