时空EEG数据分析综述：从模型到应用
信号处理
2025-01-09 v1 人工智能
机器学习
神经元与认知
摘要
近年来，脑电图（EEG）分析领域由于融合机器学习和人工智能技术，取得了显著进展。本综述旨�概括最新发展，聚焦于正在为理解和解读脑活动变革的 emerging 方法与技术。我们深入探讨了自监督学习方法，这些方法为各种下游应用提供了稳健的脑信号表征。我们还探索了新兴的判别方法，包括图神经网络（GNN）、基础模型和基于大语言模型（LLM）的方法。此外，我们检查了发电技术，这些技术利用EEG数据生成图像或文本，为脑活动可视化和解读提供了新视角。综述提供了这些前沿技术的广泛概述，讨论其当前应用以及对未来研究和临床实践的深远影响。相关文献和开源材料已编译并持续更新，地址为\url{https://github.com/wpf535236337/LLMs4TS}。
引用
@article{arxiv.2410.08224,
title = {A Survey of Spatio-Temporal EEG data Analysis: from Models to Applications},
author = {Pengfei Wang and Huanran Zheng and Silong Dai and Yiqiao Wang and Xiaotian Gu and Yuanbin Wu and Xiaoling Wang},
journal= {arXiv preprint arXiv:2410.08224},
year = {2025}
}
备注
submitted to IECE Chinese Journal of Information Fusion