SelfEEG：用于脑电图自监督学习的Python库
信号处理
2024-03-19 v1 机器学习
摘要
SelfEEG是一个开源Python库，旨在帮助研究人员在脑电图（EEG）数据上进行自监督学习（SSL）实验。其主要目标是提供一个用户友好但高度可定制的环境，使用户能够高效地设计和执行EEG数据上的自监督学习任务。SelfEEG涵盖了典型SSL流程的所有阶段，从数据导入到模型设计和训练。它包含专门设计的模块，用于：在不同粒度级别（例如，基于会话、受试者或数据集）分割数据；在迷你批次构建过程中有效管理以不同配置（例如，文件扩展名、数据类型）存储的数据；提供多种标准深度学习模型、数据增强和应用于EEG数据的SSL基线方法。SelfEEG提供的大多数功能既可以在GPU上执行，也可以在CPU上执行，将其可用性扩展到自监督学习领域之外。此外，这些功能还可用于分析通常与EEG耦合的其他生物医学信号，例如肌电图或心电图数据。这些特性使SelfEEG成为生物医学应用的多功能深度学习工具，也是当前人工智能最活跃领域之一——自监督学习中的有用资源。
引用
@article{arxiv.2401.05405,
title = {SelfEEG: A Python library for Self-Supervised Learning in Electroencephalography},
author = {Federico Del Pup and Andrea Zanola and Louis Fabrice Tshimanga and Paolo Emilio Mazzon and Manfredo Atzori},
journal= {arXiv preprint arXiv:2401.05405},
year = {2024}
}
备注
Submitted to JOSS for possible publication. GitHub repository: see https://github.com/MedMaxLab/selfEEG