EEG2Rep: ইইজি (EEG) ডাটা মডেলিংয়ের জন্য একটি সেলফ-সুপারভাইজড এআই (AI) আর্কিটেকচার

এইচ.বি. ডুরান

সর্বশেষ আপডেট

২২ জুল, ২০২৪

EEG2Rep: ইইজি (EEG) ডাটা মডেলিংয়ের জন্য একটি সেলফ-সুপারভাইজড এআই (AI) আর্কিটেকচার

এইচ.বি. ডুরান

সর্বশেষ আপডেট

২২ জুল, ২০২৪

EEG2Rep: ইইজি (EEG) ডাটা মডেলিংয়ের জন্য একটি সেলফ-সুপারভাইজড এআই (AI) আর্কিটেকচার

এইচ.বি. ডুরান

সর্বশেষ আপডেট

২২ জুল, ২০২৪

আমরা অত্যন্ত আনন্দের সাথে ঘোষণা করছি যে “EEG2Rep: Enhancing Self-supervised EEG Representation Through Informative Masked Inputs” গবেষণাপত্রটি মর্যাদাপূর্ণ KDD 2024 Conference-এ উপস্থাপনের জন্য গৃহীত হয়েছে।

নাবিদ ফৌমানি হলেন প্রধান লেখক। সহ-লেখকরা হলেন ড. মাহসা সালেহি (মোনাশ ইউনিভার্সিটি), ড. জিওফ্রে ম্যাকেলার, ড. সোহেলা ঘানে, ড. সাদ ইর্তজা এবং ড. নাম এনগুয়েন (Emotiv Research, Pty Ltd)।

গবেষণাপত্রটি পড়ুন

কোডটি দেখুন

Emotiv নাবিদ ফৌমানিকে স্পনসর করে, যিনি অস্ট্রেলিয়ার মেলবোর্নের মোনাশ ইউনিভার্সিটিতে ড. মাহসা সালেহির তত্ত্বাবধানে ইইজি (EEG) ডেটাতে ডিপ লার্নিং পদ্ধতি প্রয়োগ করার জন্য কাজ করছেন এমন একজন পিএইচডি পদপ্রার্থী। ইইজি ডেটা মডেলিংয়ের জন্য অত্যন্ত সম্ভাবনাময় EEG2Rep নামে একটি নতুন সেলফ-সুপারভাইজড আর্কিটেকচার তৈরি করতে নাবিদ আমাদের টিমের সাথে নিবিড়ভাবে কাজ করেছেন।

৫টি ইইজি ডেটাসেটের একটি হিসাবে, নাবিদ এই পদ্ধতিগুলো আমাদের ড্রাইভার অ্যাটেনশন (Driver Attention) ডেটাতে প্রয়োগ করেছেন: ১৮ জন বিষয় x ৪৫ মিনিটের সিমুলেটেড ড্রাইভিং যার মধ্যে একটি ড্রাইভিং অভিজ্ঞতার সাধারণ অন্তর্বর্তী বিক্ষেপক (মোবাইল কল, টেক্সট মেসেজ, নেভিগেশন, মিউজিক নির্বাচন, কথোপকথন, তাৎক্ষণিক মানসিক হিসাব-নিকাশ ইত্যাদি) অন্তর্ভুক্ত ছিল। ২০১৩ সালে অত্যাধুনিক মেশিন লার্নিং পদ্ধতি ব্যবহার করে আমাদের ড্রাইভার অ্যাটেনশন অ্যালগরিদমটি ৬৮% নির্ভুলতার মেট্রিক সহ প্রদান করা হয়েছিল।

আমরা ২০১৫ সালে মেলবোর্ন ইউনিভার্সিটিতে মাহসার পিএইচডি চলাকালীন তাকে স্পনসর করেছিলাম এবং তাকে একই ডেটাসেট সরবরাহ করেছিলাম। তিনি এনসেম্বল পদ্ধতি ব্যবহার করে নির্ভুলতার মেট্রিক ৭২%-এ উন্নীত করতে সক্ষম হন।

EEG2Rep মডেলটি ড্রাইভার ডিস্ট্রাকশন (Driver Distraction) ডেটাসেটে প্রয়োগ করা হয়েছিল এবং এটি এ পর্যন্ত সর্বোচ্চ নির্ভুলতা, ৮০.০৭% অর্জন করেছে, যা একটি উল্লেখযোগ্য উন্নতি। অতিরিক্তভাবে, মডেলটি পাঁচটি পাবলিক ডেটাসেটের প্রতিটিতে অত্যাধুনিক পদ্ধতিগুলোকে উল্লেখযোগ্যভাবে ছাড়িয়ে গেছে, যার মধ্যে রয়েছে মানসিক ও মনস্তাত্ত্বিক অবস্থা সনাক্তকরণ, মাল্টিটাস্কিং, রেস্টিং স্টেট ইইজি এবং মৃগীরোগ ও স্ট্রোকের মতো চিকিৎসা সংক্রান্ত অবস্থা সনাক্তকরণ।

এই সাফল্য ইইজি ডেটার জন্য একটি মৌলিক মডেল তৈরির সম্ভাবনা উন্মোচন করে যা বিভিন্ন কাজ এবং অ্যাপ্লিকেশন জুড়ে সাধারণীকরণ করা যেতে পারে, যা ইইজি বিশ্লেষণের ক্ষেত্রে কী অর্জন করা সম্ভব তার সীমানাকে আরও প্রসারিত করে।

আমরা অত্যন্ত আনন্দের সাথে ঘোষণা করছি যে “EEG2Rep: Enhancing Self-supervised EEG Representation Through Informative Masked Inputs” গবেষণাপত্রটি মর্যাদাপূর্ণ KDD 2024 Conference-এ উপস্থাপনের জন্য গৃহীত হয়েছে।

নাবিদ ফৌমানি হলেন প্রধান লেখক। সহ-লেখকরা হলেন ড. মাহসা সালেহি (মোনাশ ইউনিভার্সিটি), ড. জিওফ্রে ম্যাকেলার, ড. সোহেলা ঘানে, ড. সাদ ইর্তজা এবং ড. নাম এনগুয়েন (Emotiv Research, Pty Ltd)।

গবেষণাপত্রটি পড়ুন

কোডটি দেখুন

Emotiv নাবিদ ফৌমানিকে স্পনসর করে, যিনি অস্ট্রেলিয়ার মেলবোর্নের মোনাশ ইউনিভার্সিটিতে ড. মাহসা সালেহির তত্ত্বাবধানে ইইজি (EEG) ডেটাতে ডিপ লার্নিং পদ্ধতি প্রয়োগ করার জন্য কাজ করছেন এমন একজন পিএইচডি পদপ্রার্থী। ইইজি ডেটা মডেলিংয়ের জন্য অত্যন্ত সম্ভাবনাময় EEG2Rep নামে একটি নতুন সেলফ-সুপারভাইজড আর্কিটেকচার তৈরি করতে নাবিদ আমাদের টিমের সাথে নিবিড়ভাবে কাজ করেছেন।

৫টি ইইজি ডেটাসেটের একটি হিসাবে, নাবিদ এই পদ্ধতিগুলো আমাদের ড্রাইভার অ্যাটেনশন (Driver Attention) ডেটাতে প্রয়োগ করেছেন: ১৮ জন বিষয় x ৪৫ মিনিটের সিমুলেটেড ড্রাইভিং যার মধ্যে একটি ড্রাইভিং অভিজ্ঞতার সাধারণ অন্তর্বর্তী বিক্ষেপক (মোবাইল কল, টেক্সট মেসেজ, নেভিগেশন, মিউজিক নির্বাচন, কথোপকথন, তাৎক্ষণিক মানসিক হিসাব-নিকাশ ইত্যাদি) অন্তর্ভুক্ত ছিল। ২০১৩ সালে অত্যাধুনিক মেশিন লার্নিং পদ্ধতি ব্যবহার করে আমাদের ড্রাইভার অ্যাটেনশন অ্যালগরিদমটি ৬৮% নির্ভুলতার মেট্রিক সহ প্রদান করা হয়েছিল।

আমরা ২০১৫ সালে মেলবোর্ন ইউনিভার্সিটিতে মাহসার পিএইচডি চলাকালীন তাকে স্পনসর করেছিলাম এবং তাকে একই ডেটাসেট সরবরাহ করেছিলাম। তিনি এনসেম্বল পদ্ধতি ব্যবহার করে নির্ভুলতার মেট্রিক ৭২%-এ উন্নীত করতে সক্ষম হন।

EEG2Rep মডেলটি ড্রাইভার ডিস্ট্রাকশন (Driver Distraction) ডেটাসেটে প্রয়োগ করা হয়েছিল এবং এটি এ পর্যন্ত সর্বোচ্চ নির্ভুলতা, ৮০.০৭% অর্জন করেছে, যা একটি উল্লেখযোগ্য উন্নতি। অতিরিক্তভাবে, মডেলটি পাঁচটি পাবলিক ডেটাসেটের প্রতিটিতে অত্যাধুনিক পদ্ধতিগুলোকে উল্লেখযোগ্যভাবে ছাড়িয়ে গেছে, যার মধ্যে রয়েছে মানসিক ও মনস্তাত্ত্বিক অবস্থা সনাক্তকরণ, মাল্টিটাস্কিং, রেস্টিং স্টেট ইইজি এবং মৃগীরোগ ও স্ট্রোকের মতো চিকিৎসা সংক্রান্ত অবস্থা সনাক্তকরণ।

এই সাফল্য ইইজি ডেটার জন্য একটি মৌলিক মডেল তৈরির সম্ভাবনা উন্মোচন করে যা বিভিন্ন কাজ এবং অ্যাপ্লিকেশন জুড়ে সাধারণীকরণ করা যেতে পারে, যা ইইজি বিশ্লেষণের ক্ষেত্রে কী অর্জন করা সম্ভব তার সীমানাকে আরও প্রসারিত করে।

আমরা অত্যন্ত আনন্দের সাথে ঘোষণা করছি যে “EEG2Rep: Enhancing Self-supervised EEG Representation Through Informative Masked Inputs” গবেষণাপত্রটি মর্যাদাপূর্ণ KDD 2024 Conference-এ উপস্থাপনের জন্য গৃহীত হয়েছে।

নাবিদ ফৌমানি হলেন প্রধান লেখক। সহ-লেখকরা হলেন ড. মাহসা সালেহি (মোনাশ ইউনিভার্সিটি), ড. জিওফ্রে ম্যাকেলার, ড. সোহেলা ঘানে, ড. সাদ ইর্তজা এবং ড. নাম এনগুয়েন (Emotiv Research, Pty Ltd)।

গবেষণাপত্রটি পড়ুন

কোডটি দেখুন

Emotiv নাবিদ ফৌমানিকে স্পনসর করে, যিনি অস্ট্রেলিয়ার মেলবোর্নের মোনাশ ইউনিভার্সিটিতে ড. মাহসা সালেহির তত্ত্বাবধানে ইইজি (EEG) ডেটাতে ডিপ লার্নিং পদ্ধতি প্রয়োগ করার জন্য কাজ করছেন এমন একজন পিএইচডি পদপ্রার্থী। ইইজি ডেটা মডেলিংয়ের জন্য অত্যন্ত সম্ভাবনাময় EEG2Rep নামে একটি নতুন সেলফ-সুপারভাইজড আর্কিটেকচার তৈরি করতে নাবিদ আমাদের টিমের সাথে নিবিড়ভাবে কাজ করেছেন।

৫টি ইইজি ডেটাসেটের একটি হিসাবে, নাবিদ এই পদ্ধতিগুলো আমাদের ড্রাইভার অ্যাটেনশন (Driver Attention) ডেটাতে প্রয়োগ করেছেন: ১৮ জন বিষয় x ৪৫ মিনিটের সিমুলেটেড ড্রাইভিং যার মধ্যে একটি ড্রাইভিং অভিজ্ঞতার সাধারণ অন্তর্বর্তী বিক্ষেপক (মোবাইল কল, টেক্সট মেসেজ, নেভিগেশন, মিউজিক নির্বাচন, কথোপকথন, তাৎক্ষণিক মানসিক হিসাব-নিকাশ ইত্যাদি) অন্তর্ভুক্ত ছিল। ২০১৩ সালে অত্যাধুনিক মেশিন লার্নিং পদ্ধতি ব্যবহার করে আমাদের ড্রাইভার অ্যাটেনশন অ্যালগরিদমটি ৬৮% নির্ভুলতার মেট্রিক সহ প্রদান করা হয়েছিল।

আমরা ২০১৫ সালে মেলবোর্ন ইউনিভার্সিটিতে মাহসার পিএইচডি চলাকালীন তাকে স্পনসর করেছিলাম এবং তাকে একই ডেটাসেট সরবরাহ করেছিলাম। তিনি এনসেম্বল পদ্ধতি ব্যবহার করে নির্ভুলতার মেট্রিক ৭২%-এ উন্নীত করতে সক্ষম হন।

EEG2Rep মডেলটি ড্রাইভার ডিস্ট্রাকশন (Driver Distraction) ডেটাসেটে প্রয়োগ করা হয়েছিল এবং এটি এ পর্যন্ত সর্বোচ্চ নির্ভুলতা, ৮০.০৭% অর্জন করেছে, যা একটি উল্লেখযোগ্য উন্নতি। অতিরিক্তভাবে, মডেলটি পাঁচটি পাবলিক ডেটাসেটের প্রতিটিতে অত্যাধুনিক পদ্ধতিগুলোকে উল্লেখযোগ্যভাবে ছাড়িয়ে গেছে, যার মধ্যে রয়েছে মানসিক ও মনস্তাত্ত্বিক অবস্থা সনাক্তকরণ, মাল্টিটাস্কিং, রেস্টিং স্টেট ইইজি এবং মৃগীরোগ ও স্ট্রোকের মতো চিকিৎসা সংক্রান্ত অবস্থা সনাক্তকরণ।

এই সাফল্য ইইজি ডেটার জন্য একটি মৌলিক মডেল তৈরির সম্ভাবনা উন্মোচন করে যা বিভিন্ন কাজ এবং অ্যাপ্লিকেশন জুড়ে সাধারণীকরণ করা যেতে পারে, যা ইইজি বিশ্লেষণের ক্ষেত্রে কী অর্জন করা সম্ভব তার সীমানাকে আরও প্রসারিত করে।