يسعدنا أن نعلن عن قبول الورقة البحثية "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 الورقة البحثية

عرض الكود

ترعى Emotiv نويد فوماني، وهو طالب دكتوراه يعمل على تطبيق أساليب التعلم العميق على بيانات تخطيط أمواج الدماغ (EEG) تحت إشراف الدكتورة مهسا صالحي في جامعة موناش في ملبورن، أستراليا. عمل نويد عن كثب مع فريقنا لتطوير بنية جديدة ذاتية الإشراف تُعرف باسم EEG2Rep، وهي واعدة للغاية لنمذجة بيانات تخطيط أمواج الدماغ.

كواحدة من 5 مجموعات بيانات لتخطيط أمواج الدماغ، طبق نويد هذه الأساليب على بيانات انتباه السائق لدينا: 18 مشاركاً × 45 دقيقة من القيادة المحاكاة مع مسببات تشتيت 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 ساندنا مهسا ورعيناها خلال دراستها للدكتوراه في جامعة ملبورن عام 2015، حيث وفرنا لها نفس مجموعة البيانات. وتمكنت من تحسين مقياس الدقة إلى 72% باستخدام الأساليب الجماعية (ensemble methods).

تم تطبيق نموذج EEG2Rep على مجموعة بيانات تشتت انتباه السائق وحقق أعلى دقة حتى الآن، بنسبة 80.07%، وهو تحسن ملحوظ. 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 والذهنية، وتعدد المهام، وتخطيط أمواج الدماغ في حالة الراحة، والكشف عن الحالات الطبية مثل الصرع والسكتة الدماغية.

يفتح هذا النجاح المجال لإمكانية تطوير نموذج أساسي لبيانات تخطيط أمواج الدماغ يمكن تعميمه عبر مختلف المهام والتطبيقات، مما يدفع حدود ما يمكن تحقيقه في مجال تحليل تخطيط أمواج الدماغ.