基于码本的基础模型推动脑电波建模进展

近期大规模预训练脑电图（EEG）模型的进展展现了巨大潜力，推动了脑机接口（BCI）和医疗应用的发展。然而，尽管取得成功，许多现有预训练模型难以充分捕捉神经振荡的丰富信息内容，这一限制从根本上制约了其在多样化BCI任务中的性能和泛化能力。这一限制常源于次优的架构设计选择，限制了其表示能力。在本研究中，我们介绍了LaBraM++，一种强化的大型脑电波基础模型（LBM），其结合了基于稳健信号处理基础的原则性改进。LaBraM++在多种任务中表现出显著提升，持续优于其原始架构，并与其他开源LBM相比取得竞争性结果。其卓越的性能和训练效率凸显了其作为未来LBM进展坚实基础的潜力。