Araştırmacılar, beyin kayıtlarını işleyen yapay zeka modellerini sistematik olarak değerlendirmek için NeuralBench adlı birleştirici bir framework geliştirdiler. İlk sürümü olan NeuralBench-EEG v1.0, 36 elektroensefalografi (EEG) görevi, 14 derin öğrenme mimarisi ve 94 veri setini kapsıyor. Bu kapsamlı değerlendirme platformu, nörobilim ve yapay zeka alanlarında önemli bulgular ortaya koyuyor. Özellikle mevcut temel modellerin göreve özel modellerden yalnızca marjinal olarak daha iyi performans gösterdiği ve birçok görevde (bilişsel kod çözme, klinik tahmin gibi) hala iyileştirme ihtiyacı olduğu tespit edildi. Bu standardize edilmiş değerlendirme sistemi, beyin-bilgisayar arayüzü teknolojilerinin geliştirilmesinde önemli bir adım teşkil ediyor.

arXiv (Nörobilim) 0

Nörobilim & Psikoloji

5 May

Yapay Zeka EEG Sinyallerini Kişiler Arası Çözümlemede Devrim Yaratıyor

Araştırmacılar, beyin dalgalarını (EEG) farklı kişiler arasında başarıyla çözümleyebilen yeni bir yapay zeka sistemi geliştirdi. FUSED adı verilen bu sistem, büyük ölçekli temel modellerle kompakt uzman modelleri birleştirerek, kaynak veriye erişim olmadan bile farklı kişilerin beyin sinyallerini yorumlayabiliyor. Geleneksel yöntemler, her kişi için ayrı eğitim gerektirirken, bu yenilikçi yaklaşım çift dalı ortak adaptasyon mekanizması kullanarak bu sorunu çözüyor. Sistem, beyin-bilgisayar arayüzlerinden nörolojik hastalık teşhisine kadar geniş uygulama alanına sahip. Bu gelişme, kişiselleştirilmiş nörotıp uygulamalarının yaygınlaşması için önemli bir adım teşkil ediyor.

arXiv (Biyoloji) 0

Nörobilim & Psikoloji

21 Apr

Beyin sinyallerini okuyan yapay zeka modelleri gerçek dünya koşullarına uyarlanıyor

EEG tabanlı yapay zeka modelleri, beyin sinyallerinden öğrenme konusunda büyük potansiyel gösteriyor ancak farklı hastane ortamları, cihazlar ve hasta grupları arasındaki veri farklılıkları klinik kullanımlarını zorlaştırıyor. Araştırmacılar, bu modellerin test sırasında yeni verilere uyum sağlayabilmesi için 'test zamanı adaptasyonu' yaklaşımını inceliyor. Bu yöntem, modellerin kaynak verilere erişim olmadan, sadece hedef verilerle çalışma zamanında kendilerini güncelleyebilmesini sağlıyor. Özellikle gizlilik düzenlemeleri ve sınırlı etiketli verilerle karşılaşılan sağlık sektöründe bu özellik oldukça değerli. Yeni geliştirilen NeuroAdapt-Bench sistemi, EEG temel modelleri üzerinde farklı adaptasyon yöntemlerinin etkinliğini değerlendirmek için kapsamlı bir test ortamı sunuyor.

arXiv (CS + AI) 0