# PhysioWave-T、脳・心電図信号モデルの計算コスト削減を目指す

> 研究者らが、脳波・心電図・筋電図向けのウェーブレットベースのモデルを発表。一部のテストで、計算コストの低減と性能向上を報告した。

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

出来事の日付: 2026-11-06

研究者らは、脳波（EEG）、心電図（ECG）、表面筋電図（sEMG）を扱うAIモデル群「PhysioWave-T」を発表した。この手法では、データをトークンに変換する前に、ウェーブレットで得た複数の信号スケールを統合する。著者らによると、4種類のEEG処理経路で、精度を落とさずにTransformerのレイテンシを4.0～7.2倍、ピークメモリ使用量を6.8～12.7倍削減した。

SeizeIT2の発作検出テストでは、別々のエンコーダーからの信号を組み合わせることで、1時間あたり11件の誤警報という条件で、イベント感度が61.4%から74.4%に向上したと著者らは報告している。論文にはコードとモデルの重みが掲載されているが、提供された記録にはリンクが含まれていない。

## 事実

- 著者らによると、EEGモデルのパラメーター数は3000万で、1500万件を超えるウィンドウを使って事前学習された。
- arXivの投稿履歴によると、初版は2026年11月6日付。

## なぜ重要か

EEG記録を処理する研究者にとって、報告されたメモリ使用量の削減により、これらのモデルを実行する負担が軽くなる可能性がある。ただし、臨床現場での性能が示されたわけではない。

## 出典と参考資料

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

最終更新: 2026-11-09