Kami dengan senang hati mengumumkan bahwa makalah “EEG2Rep: Enhancing Self-supervised EEG Representation Through Informative Masked Inputs” telah diterima untuk dipresentasikan di Konferensi KDD 2024 yang bergengsi.

Navid Foumani adalah penulis utama. Para penulis pendamping adalah Dr. Mahsa Salehi (Monash University), Dr. Geoffrey Mackellar, Dr. Soheila Ghane, Dr. Saad Irtza, dan Dr. Nam Nguyen (Emotiv Research, Pty Ltd).

Baca makalahnya

Lihat kodenya

Emotiv mensponsori Navid Foumani, seorang kandidat PhD yang telah bekerja dalam menerapkan metode deep learning pada data EEG di bawah bimbingan Dr. Mahsa Salehi di Monash University di Melbourne, Australia. Navid bekerja sama erat dengan tim kami untuk mengembangkan arsitektur self-supervised baru yang dikenal sebagai EEG2Rep, yang sangat menjanjikan untuk memodelkan data EEG.

Sebagai salah satu dari 5 kumpulan data EEG, Navid menerapkan metode ini pada data Atensi Pengemudi kami: 18 subjek x 45 menit simulasi mengemudi dengan distraktor intermiten yang khas dari pengalaman mengemudi (panggilan seluler, pesan teks, navigasi, pemilihan musik, percakapan, perhitungan mental langsung, dll.). Algoritma Atensi Pengemudi kami diluncurkan dengan metrik akurasi 68% menggunakan metode machine learning mutakhir pada tahun 2013.

Kami mensponsori Mahsa selama PhD-nya di Melbourne University pada tahun 2015, dengan memberikannya kumpulan data yang sama. Dia berhasil meningkatkan metrik akurasi menjadi 72% menggunakan metode ensemble.

Model EEG2Rep diterapkan pada kumpulan data Distraksi Pengemudi dan mencapai akurasi tertinggi hingga saat ini, yaitu 80,07%, sebuah peningkatan yang substansial. Selain itu, model ini secara signifikan mengungguli metode-metode mutakhir di setiap dari lima kumpulan data publik, termasuk deteksi keadaan emosi dan mental, multitasking, EEG kondisi istirahat (resting state), dan deteksi kondisi medis seperti epilepsi dan stroke.

Keberhasilan ini membuka kemungkinan untuk mengembangkan model dasar untuk data EEG yang dapat digeneralisasi di berbagai tugas dan aplikasi, mendorong batasan dari apa yang dapat dicapai dalam bidang analisis EEG.