Presentiamo ZUNA, un modello di fondazione BCI con 380 milioni di parametri per i dati EEG, un traguardo significativo nello sviluppo della trascrizione del pensiero in testo non invasivo. Completamente open source, Apache 2.0.

I dati EEG non invasivi sono facilmente accessibili e ricchi di informazioni, rendendoli una base pratica per le applicazioni BCI da pensiero a testo. L'EEG registra l'attività elettrica del cervello attraverso elettrodi posizionati sul cuoio capelluto per diagnosticare varie condizioni neurologiche e monitorare gli stati cerebrali.

Sebbene ricca di informazioni, i dati EEG sono spesso disordinati, afflitti da interruzioni dei canali, artefatti di movimento e copertura sparsa degli elettrodi. ZUNA ricostruisce segnali cerebrali ad alta fedeltà dai dati EEG, consentendo migliori diagnosi, ricerche e applicazioni BCI senza hardware aggiuntivo.

I dispositivi con meno sensori EEG scambiano la copertura del segnale per l'accessibilità. ZUNA prevede i canali mancanti da dati sparsi e coordinate degli elettrodi, fornendo segnali di qualità clinica che si adattano da cuffie per consumatori a sistemi di ricerca con 256 elettrodi, senza necessità di riaddestramento.

ZUNA supera di gran lunga i metodi convenzionali come l'interpolazione a spline sferica di MNE su dataset EEG mascherati e non visti. Il suo vantaggio cresce con un upsampling più elevato, specialmente a 4x, dove i metodi classici si rompono e ZUNA eccelle.

Addestrato su 2 milioni di ore di canale attraverso 208 set di dati EEG, ZUNA utilizza l'addestramento a diffusione mascherata e embedding spaziali 4D per generalizzare tra set di dati e layout di elettrodi arbitrari.

Siamo entusiasti di condividere ZUNA. Ottimo lavoro del team Zyphra BCI. @ChrisWarnerII @JonasHMago @jonhumlatnight @BerenMillidge Coloro che sono interessati a collaborare per migliorare le versioni future per esigenze o casi d'uso specifici dovrebbero contattare @PaulWhiteIRL @dannymartinelli