Представляємо ZUNA — базову модель BCI з 380M-параметрами для даних ЕЕГ, що є важливою віхою у розвитку неінвазивного перетворення на текст. Повністю відкритий код, Apache 2.0.

Неінвазивні дані ЕЕГ легко доступні та містять інформаційну насиченість, що робить їх практичною основою для застосувань BCI з перетворення на текст. ЕЕГ фіксує електричну активність мозку через електроди на шкірі голови для діагностики різних неврологічних станів і моніторингу стану мозку.

Хоча дані ЕЕГ багаті на інформацію, вони часто є хаотичними, супроводжуються переривами каналу, артефактами руху та рідкісним покриттям електродів. ZUNA відновлює високоякісні сигнали мозку з даних ЕЕГ, що дозволяє кращу діагностику, дослідження та застосування BCI без додаткового обладнання.

Пристрої з меншою кількістю ЕЕГ-датчиків обмінюють покриття сигналів заради доступності. ZUNA прогнозує відсутні канали з розріджених даних і координат електродів, доставляючи сигнали клінічного рівня, які масштабуються від споживчих гарнітур до дослідницьких систем із 256 електродоми без повторного навчання.

ZUNA значно перевершує традиційні методи, такі як сферична сплайнна інтерполяція MNE, на маскованих і невидимих наборах даних ЕЕГ. Його перевага зростає з більшою кількістю виразів, особливо при 4x, де класичні методи ламаються, а ZUNA перевершує свою роль.

Навчена на 2 млн канал-годин у 208 наборах даних ЕЕГ, ZUNA використовує масковане дифузійне навчання та 4D-просторові вкладення для узагальнення між наборами даних і довільними розташуваннями електродів.

Ми раді поділитися ZUNA. Чудова робота команди Zyphra BCI. @ChrisWarnerII @JonasHMago @jonhumlatnight @BerenMillidge Ті, хто зацікавлений у співпраці для покращення майбутніх версій для конкретних потреб або сценаріїв використання, повинні звертатися до @PaulWhiteIRL @dannymartinelli