تُعد تخطيط الدماغ (EEG) أداة حيوية لفهم وظائف الدماغ البشرية، ولكن غالبًا ما تظل النماذج الحالية مرتبطة بنموذج واحد لكل مجموعة بيانات، مما يحد من فعالية التحليل. ومع ظهور النماذج الأساسية الحديثة لـ EEG، أصبح بالإمكان تحقيق تمثيلات قابلة لإعادة الاستخدام من خلال إطار عمل مبتكر.

في هذا السياق، نقدم لكم نموذج INCEPT، الذي يعتمد على مفهوم التعلم الثابت (invariance-oriented pre-training) ويدرب على أكثر من 11,000 ساعة من بيانات EEG السريرية غير المصنفة. بدلاً من التركيز فقط على استعادة الإشارات، يركز INCEPT على استقرار التمثيلات عبر الملاحظات المرتبطة، مما يتيح الفصل بين الهيكل العصبي الثابت والمعلومات الحساسة للفرد، مع الحفاظ على المعلومات التمييزية بشأن الحالة والظروف.

أجرا الأبحاث تقييمًا شاملًا لنموذج INCEPT على مجموعة معايير واسعة تضم عشر مجموعات بيانات، تغطي ثلاثة مستويات من تحليل EEG بعد الاكتساب: تقييم الإشارة، فك تشفير حالات الدماغ، وتقييم صحة الدماغ. وقد احتل INCEPT المركز الأول بين النماذج السابقة في 26 من أصل 30 معيارًا على مستوى الاستدلال الخطي، و24 من 30 معيارًا على مستوى تحسين الأداء.

تُظهر التحليلات الموضوعية والتجريبية أن إعداد النموذج مع التركيز على التعلم الثابت يُحسن من عملية النقل وينظم التمثيلات العصبية الحساسة للفرد بشكل يتجاوز مجرد استعادة الشكل. تشير النتائج إلى أن التعلم الثابت هو مبدأ واعد لبناء نماذج أساسية قابلة لإعادة الاستخدام في مجال تخطيط الدماغ.

هل ترون أن نموذج INCEPT سيحدث تحولًا في كيفية فهمنا لبيانات تخطيط الدماغ؟ شاركونا آراءكم في التعليقات!