Generate your neural signals from mine: individual-to-individual EEG converters

要約

タイトル：個人間脳波変換器：私の脳波からあなたの脳波を生成する

要約：
– 個人間の違いがあるため、1人のサブジェクトでトレーニングされた認知および計算ニューロサイエンスのモデルは他のサブジェクトに一般化することができない。
– 理想的な個人間ニューラルコンバータは、他のサブジェクトの実際のニューラル信号から1人の被験者の信号を生成することができるものである。これは、認知および計算モデルの個人差の問題を克服することができる。
– 本研究では、コンピュータビジョンの生成モデルに触発された革新的なEEG2EEGという個人間EEGコンバータを提案する。
– THINGS EEG2データセットを使用して、9人のサブジェクト間で72個のペアに対応する72個の独立したEEG2EEGモデルをトレーニングしテストした。
– 結果は、EEG2EEGが効果的にニューラル表現のマッピングを学習し、高い変換性能を達成することを示している。
– さらに、生成されたEEG信号には、実際のデータから得られるよりも視覚情報のより明確な表現が含まれている。
– この方法は、EEG信号のニューラルコンバージョンの革新的かつ最新のフレームワークを確立し、個人間の柔軟で高性能なマッピングを実現し、神経工学および認知神経科学の両方に洞察を提供する。

要約(オリジナル)

Most models in cognitive and computational neuroscience trained on one subject do not generalize to other subjects due to individual differences. An ideal individual-to-individual neural converter is expected to generate real neural signals of one subject from those of another one, which can overcome the problem of individual differences for cognitive and computational models. In this study, we propose a novel individual-to-individual EEG converter, called EEG2EEG, inspired by generative models in computer vision. We applied THINGS EEG2 dataset to train and test 72 independent EEG2EEG models corresponding to 72 pairs across 9 subjects. Our results demonstrate that EEG2EEG is able to effectively learn the mapping of neural representations in EEG signals from one subject to another and achieve high conversion performance. Additionally, the generated EEG signals contain clearer representations of visual information than that can be obtained from real data. This method establishes a novel and state-of-the-art framework for neural conversion of EEG signals, which can realize a flexible and high-performance mapping from individual to individual and provide insight for both neural engineering and cognitive neuroscience.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI