في عالم الذكاء الاصطناعي وتكنولوجيا الاتصال العصبي، تبرز تقنيات جديدة لتعزيز فهمنا لنشاط الدماغ. من بين هذه الابتكارات، أتى نموذج EEG-TransNet، الذي يعد ثمرة جهود بحثية متطورة في استخدام تقنيات نماذج Transformer لمراقبة وتحليل إشارات الدماغ الملتقطة عبر تخطيط الدماغ الكهربائي (EEG).

تتميز تقنية تخطيط الدماغ الكهربائي بدقتها العالية في تتبع النشاط العصبي، مما يجعلها أداة مثالية لدراسة الحالات النفسية والعاطفية. ومع ذلك، تظل معالجة البيانات الكبيرة والمعقدة الناتجة عن هذه التقنية تحديًا كبيرًا للباحثين. لذلك، يقدم EEG-TransNet ثلاثة مكونات رئيسية تعزز من فعاليته:
1. **وحدة المعالجة الأولية واستخراج السمات**: تستخدم تقنيات ResNet وتقنيات إزالة الضوضاء المعتمدة على الموجات لتحسين جودة البيانات المُدخلة.
2. **كتلة الانتباه الذاتي المحلي**: تعمل على تعلم السمات الإقليمية من إشارات EEG، مما يعزز القدرة على تحديد الأنماط العاطفية بدقة.
3. **المحول المتزامن ذو الانتباه الضبابي (FAST)**: يُستخدم لنمذجة الاعتمادية الزمكانية، مما يساعد في فهم التفاعلات بين الفترات الزمنية المختلفة للإشارات.

أظهرت التجارب التي أجريت على ثلاثة مجموعات بيانات EEG (BETA وSEED وDepEEG) تفوق النموذج المقترح في دقة التصنيف والصلابة أثناء التعامل مع أطوال إشارات مختلفة. تُظهر دراسات تدهور النموذج مساهمة كتلة الانتباه الذاتي المحلي الكبير في تحسين الأداء. إضافةً إلى ذلك، تساهم استخدامات التلافيف القابلة للفصل في خفض التعقيد الحسابي دون التأثير على الدقة العالية.

ما يميز EEG-TransNet هو قدرته على التعميم بين الأفراد دون تباين ملحوظ في الأداء، مما يجعله أداة واعدة في تصنيف النشاط الدماغي القائم على EEG ومهام التعرف على المشاعر.