# PhysioWave-T busca reduzir o custo de modelos de biossinais

> Pesquisadores apresentam modelos baseados em wavelets para sinais de EEG, ECG e músculos. Segundo eles, a abordagem reduz o custo computacional e melhora os resultados em alguns testes.

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

Data do evento: 2026-11-06

Pesquisadores apresentam PhysioWave-T, uma família de modelos de IA para EEG, ECG e sEMG, ou sinais musculares. A abordagem combina escalas de sinais de wavelet antes de converter os dados em tokens. Segundo os autores, isso reduziu em 4,0–7,2 vezes a latência do Transformer e em 6,8–12,7 vezes o pico de uso de memória em quatro fluxos de processamento de EEG, sem reduzir a precisão.

No teste de detecção de convulsões SeizeIT2, os autores afirmam que combinar sinais de codificadores separados elevou a sensibilidade a eventos de 61.4% para 74.4%, com 11 alarmes falsos por hora. O artigo lista o código e os pesos dos modelos, mas o registro fornecido não inclui os links.

## Os fatos

- Segundo os autores, o modelo de EEG tem 30 milhões de parâmetros e foi pré-treinado com mais de 15 milhões de janelas.
- O histórico de submissões ao arXiv indica que a primeira versão foi publicada em November 6, 2026.

## Por que importa

Para pesquisadores que processam gravações de EEG, a economia de memória relatada pode tornar esses modelos menos exigentes para executar, embora os resultados não demonstrem seu desempenho em uso clínico.

## Fontes e referências

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

Última atualização: 2026-11-09