Este estudo revisa métodos de deep learning para decodificação de EEG entre sujeitos, abordando a variabilidade inter-sujeitos e a mudança de domínio. Ele categoriza a literatura em famílias metodológicas como alinhamento de características e aprendizado contrastivo, destacando a avaliação rigorosa e considerações teóricas.
Este artigo apresenta o modelo Convolutional Variational Deep Embedding (Conv-VaDE) para análise de microestados de EEG. Ele aprimora a interpretabilidade ao aprender reconstrução topográfica e agrupamento probabilístico suave, permitindo a decodificação generativa de protótipos de clusters em topografias verificáveis.
Este artigo investiga a interpretabilidade mecânica de modelos de fundação de EEG usando Sparse Autoencoders (SAEs) para desvendar suas previsões opacas. A pesquisa aplica SAEs em diferentes arquiteturas de transformadores de EEG, ancorando as características em uma taxonomia clínica para avaliar a monosemanticidade e o emaranhamento, e quantifica a seletividade da direção do conceito para revelar falhas representacionais.
Esta pesquisa investiga se os LLMs podem servir como uma lente para compreender as representações neurais da valência emocional no cérebro humano, focando no EEG. O estudo constrói um eixo de valência a partir de LLMs e demonstra seu mapeamento na atividade neural humana, sugerindo uma representação compartilhada.
Este artigo apresenta uma estrutura de avaliação ao nível da região para a previsão da carga de trabalho cognitiva baseada em EEG, analisando contribuições de regiões do couro cabeludo anatomicamente definidas. Realiza uma análise em larga escala em quatro conjuntos de dados públicos para quantificar a importância da região usando uma abordagem agnóstica ao modelo e baseada no desempenho.
CIPHER é um modelo baseado em Conformer para inferência de fonemas a partir de EEG de alta densidade, visando decodificar informações de fala do cérebro. Embora alcance alta performance em tarefas binárias, mostra desempenho limitado na discriminação de fonemas de 11 classes, sendo posicionado como um estudo de benchmark e comparação de características.