Para peneliti memperkenalkan CoCoT, model fondasi baru yang dilatih secara kontras yang dirancang untuk mengatasi keterbatasan pendekatan rekonstruksi tersembunyi dalam dekoding elektroensefalografi (EEG) non-invasif. Arsitektur ini menggabungkan lapisan input konvolusi temporal multiscale dengan blok encoder Transformer untuk menangani data berisik tinggi dan informasi yang terbatas pada pita frekuensi sempit dengan lebih baik.
- CoCoT menyamai atau mengungguli model EEG pra-pelatihan rekonstruksi terkini dalam berbagai tugas dekoding benchmark dengan konfigurasi elektroda heterogen.
- Model yang dilatih dari awal mengungguli model dekoding tugas tunggal sebelumnya dan menyaingi model pra-pelatihan, menunjukkan fleksibilitas tinggi dan efisiensi data.
- Ablasi sistematis mengkonfirmasi kelayakan pembelajaran kontras untuk membangun model fondasi EEG dan menyoroti pertimbangan desain arsitektur kunci.
Studi ini menunjukkan bahwa pelatihan pra-kontras adalah strategi yang layak untuk model fondasi EEG, menawarkan alternatif efektif terhadap metode rekonstruksi tersembunyi tradisional.