Представляем ZUNA, модель BCI с 380 миллионами параметров для данных ЭЭГ, значительная веха в разработке неинвазивного преобразования мыслей в текст. Полностью с открытым исходным кодом, Apache 2.0.

Неинвазивные данные ЭЭГ легко доступны и содержат много информации, что делает их практической основой для приложений BCI, преобразующих мысли в текст. ЭЭГ регистрирует электрическую активность мозга с помощью электродов на коже головы для диагностики различных неврологических состояний и мониторинга состояния мозга.

Хотя информация насыщенная, данные ЭЭГ часто бывают неаккуратными, страдая от потерь каналов, артефактов движения и разреженного покрытия электродов. ZUNA восстанавливает высококачественные сигналы мозга из данных ЭЭГ, что позволяет улучшить диагностику, исследования и приложения BCI без дополнительного оборудования.

Устройства с меньшим количеством ЭЭГ-датчиков жертвуют покрытием сигнала ради доступности. ZUNA предсказывает недостающие каналы из разреженных данных и координат электродов, предоставляя сигналы клинического уровня, которые масштабируются от потребительских наушников до исследовательских систем с 256 электродами, без повторной тренировки.

ZUNA значительно превосходит традиционные методы, такие как сферическая сплайн-интерполяция MNE, при работе с замаскированными и невидимыми наборами данных ЭЭГ. Её преимущество возрастает с увеличением частоты дискретизации, особенно при 4x, когда классические методы дают сбой, а ZUNA показывает отличные результаты.

Обученный на 2 миллионах часов каналов по 208 наборам данных ЭЭГ, ZUNA использует маскированное диффузионное обучение и 4D пространственные встраивания для обобщения на различных наборах данных и произвольных компоновках электродов.

Мы рады представить ZUNA. Отличная работа команды Zyphra BCI. @ChrisWarnerII @JonasHMago @jonhumlatnight @BerenMillidge Тем, кто заинтересован в сотрудничестве для улучшения будущих версий под конкретные нужды или случаи использования, следует обратиться к @PaulWhiteIRL @dannymartinelli