Memperkenalkan ZUNA, model fondasi BCI 380M-parameter untuk data EEG, tonggak penting dalam pengembangan pemikiran-ke-teks noninvasif. Sepenuhnya open source, Apache 2.0.

Data EEG noninvasif mudah diakses dan padat informasi menjadikannya dasar praktis untuk aplikasi BCI pemikiran ke teks. EEG merekam aktivitas listrik otak melalui elektroda kulit kepala untuk mendiagnosis berbagai kondisi neurologis dan memantau keadaan otak.

Meskipun kaya informasi, data EEG seringkali berantakan, diganggu oleh putusnya saluran, artefak gerak, dan cakupan elektroda yang jarang. ZUNA merekonstruksi sinyal otak fidelitas tinggi dari data EEG, memungkinkan diagnostik, penelitian, dan aplikasi BCI yang lebih baik tanpa perangkat keras tambahan.

Perangkat dengan sensor EEG yang lebih sedikit memperdagangkan cakupan sinyal untuk aksesibilitas. ZUNA memprediksi saluran yang hilang dari data dan koordinat elektroda yang jarang, memberikan sinyal tingkat klinis yang diskalakan dari headset konsumen ke sistem penelitian 256 elektroda, tanpa pelatihan ulang.

ZUNA secara dramatis mengungguli metode konvensional seperti interpolasi spline bulat MNE di seluruh kumpulan data EEG bertopeng dan tidak terlihat. Keuntungannya tumbuh dengan upsampling yang lebih tinggi, terutama pada 4x, di mana metode klasik rusak dan ZUNA unggul.

Dilatih pada 2 juta jam saluran di 208 kumpulan data EEG, ZUNA menggunakan pelatihan difusi bertopeng dan penyematan spasial 4D untuk menggeneralisasi seluruh kumpulan data dan tata letak elektroda sewenang-wenang.

Kami sangat senang membagikan ZUNA. Kerja bagus oleh tim Zyphra BCI. @ChrisWarnerII @JonasHMago @jonhumlatnight @BerenMillidge Mereka yang tertarik untuk berkolaborasi untuk meningkatkan versi mendatang untuk kebutuhan atau kasus penggunaan tertentu harus menghubungi @PaulWhiteIRL @dannymartinelli