Beynimizin elektriksel aktivitesi sürekli değişen karmaşık desenler oluşturur. Bilim insanları bu aktiviteyi anlamak için EEG mikro-durum analizini kullanır - bu yöntem beyin dalgalarını kısa süreli, yarı-kararlı topografik yapılar halinde bölerek farklı beyin fonksiyonlarını ortaya çıkarır.
Geleneksel yaklaşımlar Modifiye K-Means gibi algoritmaları elektrot verisi üzerinde doğrudan uygular. Bu yöntemler katı atamalar yapar, öğrenilmiş gizli temsil sunmaz ve beyin durumlarını doğrulanabilir kafa derisi haritalarına dönüştürecek mekanizmadan yoksundur. Bu sınırlamalar hem model şeffaflığını hem de yorumlanabilirliği engeller.
Yeni geliştirilen Konvolüsyonel Varyasyonel Derin Gömme (Conv-VaDE) modeli bu sorunlara çözüm getiriyor. Model, topografik yeniden oluşturma ve olasılıksal yumuşak kümelemeyi ortak bir gizli uzayda birlikte öğrenir. Bu sayede küme prototiplerinin doğrulanabilir kafa derisi topografyalarına dönüştürülmesi mümkün hale gelir.
Araştırmacılar, 3-20 arasında değişen küme sayısı ve farklı parametrelerle kapsamlı testler gerçekleştirdi. Polarite değişmezliği şeması ve dört boyutlu ızgara araması ile en optimal model yapısı belirleniyor. Bu yaklaşım, beyin fonksiyonlarının daha şeffaf ve yorumlanabilir şekilde anlaşılmasına katkı sağlayacak.