EEG基盤モデルのチャネル適応：アーキテクチャ、タスク、学習レジームをまたぐシステマティックなベンチマーク
arXiv cs.LG / 2026/4/28
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、4つのEEGチャネル適応手法を、複数の基盤モデルのアーキテクチャ、5つの下流タスク、2種類の学習レジーム（複数seed）にわたって評価し、体系的なベンチマークを示しています。
- 固定モントージ型モデル（BENDR、Neuro-GPT）は外部適応が必要になりやすい一方、柔軟モントージ型モデル（EEGPT、CBraMod）はファインチューニング時に同等以上の性能を出せるものの、エンコーダを凍結した運用では外部手法の恩恵を受ける可能性があります。
- probe-SFTの非対称性として、柔軟モデルのファインチューニング中に外部適応を用いると深刻なネガティブ・トランスファーが起こり得ることが示されます。
- 最適な適応手法はアーキテクチャに依存し（例：BENDRにはConv1d、Neuro-GPTにはSSI/Riemannian、うつ病検出にはsource-space decomposition）、具体的な性能差が報告されています。
- 総じて、コンパクトなEEG専用アーキテクチャが強い性能を出し得ること、そして適応戦略はアーキテクチャとデプロイ条件に基づいて選ぶべきだという示唆が得られます。
