NeuroDx-LM：面向EEG-based神经功能障碍检测的临床大规模模型
机器学习
2025-08-12 v1
摘要
大规模模型在电脑内皮层图（EEG）上预训练已在神经功能障碍检测等临床应用中展现出前景。然而，EEG-based大规模模型的实际部署面临数据有限、临床场景性能不佳等关键挑战。为此，本文提出NeuroDx-LM，一个专为检测EEG-based神经功能障碍而设计的新型大规模模型。我们的主要贡献包括（i）选择性时频嵌入机制，能够适应性地捕捉EEG信号中复杂的时频模式；（ii）渐进式特征感知训练策略，以两阶段过程细化特征表示。在第一个阶段，模型学习EEG活动的基本判别特征；在第二个阶段，模型进一步提取更具针对性的精细特征，以实现准确的诊断性能。我们在CHB-MIT和精神分裂症数据集上评估了NeuroDx-LM，分别在基于EEG的癫痫和精神分裂症检测中实现了最先进的性能。这些结果表明，EEG-based大规模模型在推动临床可行性方面具有巨大潜力。我们的代码已公开发布：https://github.com/LetItBe12345/NeuroDx-LM。
引用
@article{arxiv.2508.08124,
title = {NeuroDx-LM: A Clinical Large-Scale Model for EEG-based Neurological Disorder Detection},
author = {Guanghao Jin and Yuan Liang and Yihan Ma and Jingpei Wu and Guoyang Liu},
journal= {arXiv preprint arXiv:2508.08124},
year = {2025}
}