يسعدنا أن نعلن عن قبول ورقة البحث "EEG2Rep: Enhancing Self-supervised EEG Representation Through Informative Masked Inputs" للعرض في مؤتمر KDD 2024 المرموق.

نويد فوماني هو المؤلف الرئيسي. والمؤلفون المشاركون هم الدكتورة مهسا صالحي (جامعة موناش)، والدكتور جيفري ماكيلار، والدكتورة سهيلة غان، والدكتور سعد إرتزا، والدكتور نام نغوين (Emotiv Research, Pty Ltd).

اقرأ ورقة البحث

عرض الكود

ترعى Emotiv نويد فوماني، وهو مرشح لنيل درجة الدكتوراه يعمل على تطبيق أساليب التعلم العميق على بيانات تخطيط كهربية الدماغ (EEG) تحت إشراف الدكتورة مهسا صالحي في جامعة موناش في ملبورن، أستراليا. عمل نويد عن كثب مع فريقنا لتطوير بنية مبتكرة ذاتية الإشراف تُعرف باسم EEG2Rep، والتي تعد واعدة للغاية لنمذجة بيانات تخطيط كهربية الدماغ.

كواحدة من 5 مجموعات بيانات لتخطيط كهربية الدماغ، طبق نويد هذه الأساليب على بيانات انتباه السائق لدينا: 18 مشاركًا × 45 دقيقة من القيادة المحاكاة مع مشتتات متقطعة نموذجية لتجربة القيادة (المكالمات الهاتفية، الرسائل النصية، الملاحة، اختيار الموسيقى، المحادثات، الحسابات الذهنية السريعة وغيرها). تم تقديم خوارزمية انتباه السائق لدينا بمقياس دقة بلغ 68% باستخدام أحدث أساليب التعلم الآلي في عام 2013.

لقد رعينا مهسا خلال دراستها للدكتوراه في جامعة ملبورن في عام 2015، حيث قدمنا لها نفس مجموعة البيانات. وقد تمكنت من تحسين مقياس الدقة ليصل إلى 72% باستخدام أساليب التجميع.

تم تطبيق نموذج EEG2Rep على مجموعة بيانات تشتت انتباه السائق وحقق أعلى دقة حتى الآن بنسبة 80.07%، وهو تحسن كبير. بالإضافة إلى ذلك، تفوق النموذج بشكل كبير على الأساليب الحديثة المتطورة في كل من مجموعات البيانات العامة الخمس، بما في ذلك الكشف عن الحالة العاطفية والذهنية، وتعدد المهام، وتخطيط كهربية الدماغ في حالة الراحة، والكشف عن الحالات الطبية مثل الصرع والسكتة الدماغية.

يفتح هذا النجاح الباب أمام إمكانية تطوير نموذج أساسي لبيانات تخطيط كهربية الدماغ يمكن تعميمه عبر مختلف المهام والتطبيقات، مما يدفع حدود ما يمكن تحقيقه في مجال تحليل تخطيط كهربية الدماغ.