SpecMoE: クロス種EEGデコードのスペクトル混合エキスパート基盤モデル

要約: 脳波（EEG）信号における神経活動の調和を解読することは、神経科学と人工知能を結ぶ上で中心的な課題です。基盤モデルは一般化された EEG デコーディングで前進を遂げていますが、自己教師付き事前学習の際には、生の信号の時系列と周波数のマスキングを別々に適用するフレームワークが多く依存しています。これらの戦略はしばしば学習を高周波振動へ偏らせる傾向があり、低周波のリズムパターンはマスクされていない信号から容易に推定できます。私たちは、短時間フーリエ変換（STFT）マップに適用された新規のガウス平滑化マスキング方式を用いた基盤モデルを導入します。時刻、周波数、および時刻-周波数のガウスマスクを共同で適用することにより、再構成タスクをはるかに難しくし、モデルが高周波領域と低周波領域の両方にわたる複雑な神経パターンを学ぶことを促します。 この積極的なマスキング戦略の下で信号を効果的に復元するために、複数のエンコード・デコード段を備えたU字型階層アーキテクチャSpecHi-Netを設計します。 大規模な事前学習を加速させるために、データを3つのサブセットに分割し、それぞれ独立したエキスパートモデルの訓練に用います。 次に、学習されたスペクトルゲーティング機構に導かれたエキスパートの混成フレームワークSpecMoEを介して、これらのモデルを組み合わせます。 SpecMoEは、睡眠段階推定、感情認識、運動イメージ分類、異常信号検出、薬物効果予測など、多様な EEG デコーダーングタスクで最先端の性能を達成します。 重要な点として、モデルは種間および被験者間の一般化能力を強く示し、人間とマウスの EEG データセットの両方で高い精度を維持します。