研究人员推出PhysioWave-T，这是一系列用于EEG、ECG和sEMG（即肌肉信号）的AI模型。该方法先将不同尺度的小波信号结合起来，再把数据转换为token；作者称，在四种EEG处理流程中，这使Transformer的延迟降低了4.0–7.2倍，峰值内存占用减少了6.8–12.7倍，同时没有降低准确率。
在SeizeIT2癫痫发作检测测试中，作者报告称，合并来自不同编码器的信号后，在每小时11次误报的情况下，事件敏感度从61.4%提高至74.4%。论文列出了代码和模型权重，但所提供的记录中没有相关链接。
为什么重要
对于处理EEG记录的研究人员来说，据称节省的内存可能降低运行这些模型的资源要求；不过，这些结果并不能证明模型在临床应用中的表现。
