面向侵入性脑信号解码的端到端框架
计算机视觉与模式识别
2024-06-18 v1 人工智能
摘要
本文介绍了一个革命性的端到端（E2E）框架，用于解码侵入性脑信号，这是脑神经假体领域的重大进展。我们的 метод 利用大型语言模型（LLM）的全面推理能力来实现直接解码。通过充分集成LLM，我们实现了与最先进级级联模型相当的效果。我们的发现凸显了E2E框架在语音神经假体中的潜力，特别是随着脑-电接口（BCI）技术和相关数据集的 availability 持续发展。本工作不仅展示了将LLM与E2E解码结合以增强语音神经假体的有效性，还为未来的BCI应用设定了新的方向，凸显了LLM在解码复杂神经信号以恢复通信方面的影响。代码将在https://github.com/FsFrancis15/BrainLLM上发布。
引用
@article{arxiv.2406.11567,
title = {Quaternion Generative Adversarial Neural Networks and Applications to Color Image Inpainting},
author = {Duan Wang and Dandan Zhu and Meixiang Zhao and Zhigang Jia},
journal= {arXiv preprint arXiv:2406.11567},
year = {2024}
}
备注
19 pages, 6 figures