CoCoT：用于EEG解码的对比预训练多尺度卷积Transformer

研究人员推出了CoCoT，这是一种新颖的对比预训练基础模型，旨在解决非侵入式脑电图（EEG）解码中掩码重建方法的局限性。该架构将多尺度时间卷积输入层与Transformer编码器块相结合，以更好地处理高噪声数据和局限于窄频带的信息。

• CoCoT在具有异构电极配置的广泛基准解码任务中，表现持平或优于最先进的重建预训练EEG模型。
• 从头训练的模型优于先前的单任务解码模型，并与预训练模型相媲美，展示了高度的灵活性和数据效率。
• 系统性消融实验证实了对比学习在构建EEG基础模型方面的可行性，并突出了关键的架构设计考量。

该研究表明，对比预训练是EEG基础模型的一种可行策略，为传统的掩码重建方法提供了有效的替代方案。