EEG2Rep: بنية ذكاء اصطناعي ذاتية الإشراف لنمذجة بيانات تخطيط كهربائية الدماغ (EEG)
إتش بي دوران
تم التحديث في
22/07/2024
EEG2Rep: بنية ذكاء اصطناعي ذاتية الإشراف لنمذجة بيانات تخطيط كهربائية الدماغ (EEG)
إتش بي دوران
تم التحديث في
22/07/2024
EEG2Rep: بنية ذكاء اصطناعي ذاتية الإشراف لنمذجة بيانات تخطيط كهربائية الدماغ (EEG)
إتش بي دوران
تم التحديث في
22/07/2024
يسعدنا أن نعلن عن قبول ورقة البحث "EEG2Rep: تعزيز تمثيل تخطيط كهربائية الدماغ الخاضع للإشراف الذاتي من خلال المدخلات المقنعة المفيدة" للعرض في المؤتمر المرموق KDD 2024 Conference.
نافيد 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).
ترعى Emotiv نافيد فوماني، وهو مرشح لدراسة الدكتوراه يعمل على تطبيق أساليب التعلم العميق على بيانات تخطيط كهربائية الدماغ (EEG) تحت إشراف الدكتورة مهسا صالحي في جامعة موناش في ملبورن، أستراليا. وقد عمل نافيد عن كثب مع فريقنا لتطوير بنية جديدة خاضعة للإشراف الذاتي تُعرف باسم EEG2Rep، والتي تعد واعدة للغاية لنمذجة بيانات تخطيط كهربائية الدماغ.
كواحدة من 5 مجموعات بيانات لتخطيط كهربائية الدماغ، طبق نافيد هذه الأساليب على بيانات انتباه السائق لدينا: 18 مشاركاً لمسافة 45 دقيقة من القيادة المحاكاة مع مشتتات متقطعة نموذجية لتجربة القيادة (المكالمات الهاتفية، الرسائل النصية، الملاحة، اختيار الموسيقى، المحادثات، الحسابات الذهنية السريعة وغيرها). وتم تقديم خوارزمية انتباه السائق لدينا بمقياس دقة يبلغ 68% باستخدام أحدث أساليب التعلم الآلي في عام 2013.
لقد رعينا مهسا خلال دراستها للدكتوراه في جامعة ملبورن في عام 2015، حيث قدمنا لها مجموعة البيانات نفسها. وتمكنت من تحسين مقياس الدقة 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 للغاية في كل من مجموعات البيانات العامة الخمس، بما في ذلك الكشف عن الحالة العاطفية والعقلية، وتعدد المهام، وتخطيط كهربائية الدماغ في حالة الراحة، والكشف عن الحالات الطبية مثل الصرع والسكتة الدماغية.
يفتح هذا النجاح الباب أمام إمكانية تطوير نموذج أساسي لبيانات تخطيط كهربائية الدماغ يمكن تعميمه عبر مختلف المهام والتطبيقات، مما يدفع حدود ما يمكن تحقيقه في مجال تحليل تخطيط كهربائية الدماغ.
يسعدنا أن نعلن عن قبول ورقة البحث "EEG2Rep: تعزيز تمثيل تخطيط كهربائية الدماغ الخاضع للإشراف الذاتي من خلال المدخلات المقنعة المفيدة" للعرض في المؤتمر المرموق KDD 2024 Conference.
نافيد 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).
ترعى Emotiv نافيد فوماني، وهو مرشح لدراسة الدكتوراه يعمل على تطبيق أساليب التعلم العميق على بيانات تخطيط كهربائية الدماغ (EEG) تحت إشراف الدكتورة مهسا صالحي في جامعة موناش في ملبورن، أستراليا. وقد عمل نافيد عن كثب مع فريقنا لتطوير بنية جديدة خاضعة للإشراف الذاتي تُعرف باسم EEG2Rep، والتي تعد واعدة للغاية لنمذجة بيانات تخطيط كهربائية الدماغ.
كواحدة من 5 مجموعات بيانات لتخطيط كهربائية الدماغ، طبق نافيد هذه الأساليب على بيانات انتباه السائق لدينا: 18 مشاركاً لمسافة 45 دقيقة من القيادة المحاكاة مع مشتتات متقطعة نموذجية لتجربة القيادة (المكالمات الهاتفية، الرسائل النصية، الملاحة، اختيار الموسيقى، المحادثات، الحسابات الذهنية السريعة وغيرها). وتم تقديم خوارزمية انتباه السائق لدينا بمقياس دقة يبلغ 68% باستخدام أحدث أساليب التعلم الآلي في عام 2013.
لقد رعينا مهسا خلال دراستها للدكتوراه في جامعة ملبورن في عام 2015، حيث قدمنا لها مجموعة البيانات نفسها. وتمكنت من تحسين مقياس الدقة 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 للغاية في كل من مجموعات البيانات العامة الخمس، بما في ذلك الكشف عن الحالة العاطفية والعقلية، وتعدد المهام، وتخطيط كهربائية الدماغ في حالة الراحة، والكشف عن الحالات الطبية مثل الصرع والسكتة الدماغية.
يفتح هذا النجاح الباب أمام إمكانية تطوير نموذج أساسي لبيانات تخطيط كهربائية الدماغ يمكن تعميمه عبر مختلف المهام والتطبيقات، مما يدفع حدود ما يمكن تحقيقه في مجال تحليل تخطيط كهربائية الدماغ.
يسعدنا أن نعلن عن قبول ورقة البحث "EEG2Rep: تعزيز تمثيل تخطيط كهربائية الدماغ الخاضع للإشراف الذاتي من خلال المدخلات المقنعة المفيدة" للعرض في المؤتمر المرموق KDD 2024 Conference.
نافيد 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).
ترعى Emotiv نافيد فوماني، وهو مرشح لدراسة الدكتوراه يعمل على تطبيق أساليب التعلم العميق على بيانات تخطيط كهربائية الدماغ (EEG) تحت إشراف الدكتورة مهسا صالحي في جامعة موناش في ملبورن، أستراليا. وقد عمل نافيد عن كثب مع فريقنا لتطوير بنية جديدة خاضعة للإشراف الذاتي تُعرف باسم EEG2Rep، والتي تعد واعدة للغاية لنمذجة بيانات تخطيط كهربائية الدماغ.
كواحدة من 5 مجموعات بيانات لتخطيط كهربائية الدماغ، طبق نافيد هذه الأساليب على بيانات انتباه السائق لدينا: 18 مشاركاً لمسافة 45 دقيقة من القيادة المحاكاة مع مشتتات متقطعة نموذجية لتجربة القيادة (المكالمات الهاتفية، الرسائل النصية، الملاحة، اختيار الموسيقى، المحادثات، الحسابات الذهنية السريعة وغيرها). وتم تقديم خوارزمية انتباه السائق لدينا بمقياس دقة يبلغ 68% باستخدام أحدث أساليب التعلم الآلي في عام 2013.
لقد رعينا مهسا خلال دراستها للدكتوراه في جامعة ملبورن في عام 2015، حيث قدمنا لها مجموعة البيانات نفسها. وتمكنت من تحسين مقياس الدقة 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 للغاية في كل من مجموعات البيانات العامة الخمس، بما في ذلك الكشف عن الحالة العاطفية والعقلية، وتعدد المهام، وتخطيط كهربائية الدماغ في حالة الراحة، والكشف عن الحالات الطبية مثل الصرع والسكتة الدماغية.
يفتح هذا النجاح الباب أمام إمكانية تطوير نموذج أساسي لبيانات تخطيط كهربائية الدماغ يمكن تعميمه عبر مختلف المهام والتطبيقات، مما يدفع حدود ما يمكن تحقيقه في مجال تحليل تخطيط كهربائية الدماغ.
تابع القراءة