arXiv（brain-computer interface）·· 10 天前AI 评分42
NeuroDETR：面向异步EEG事件检测的多尺度离散时空Token化框架
NeuroDETR: Multiscale Discrete Spatiotemporal Tokenization for Asynchronous EEG Event Detection
AI 导读
研究提出NeuroDETR，一个离散时空多尺度框架，结合结构化Token化与事件感知特征细化，用于从连续EEG记录中直接识别事件类别及其起止时间。多尺度时间码本捕捉短时响应与持续动态，Spatial-Pyramid VQ分层编码EEG通道间的空间结构；Token化前用FOCAL稀疏注意力模块按预测的事件存在性引导时间特征细化与空间聚合。在覆盖多种范式的8个EEG数据集上取得当前最优性能。
AI 要点
团队
第一作者 Yaozhi Wen，末位作者 Huiguang He，共 10 位作者
主要结果
在 8 个覆盖不同范式的 EEG 数据集上取得 state-of-the-art 性能
解决什么问题
从连续 EEG 中直接识别事件类别与起止时间，推理时无需预设事件边界
方法
多尺度时间码本加 Spatial-Pyramid VQ 编码通道空间结构，形成事件记忆；分词前用 FOCAL 事件感知稀疏注意力精修特征
局限
从研究设计看，摘要未报告具体数据集规模与对比基线细节
AI 依据原文整理，未经人工核对。
来源：arXiv（brain-computer interface） · arxiv.org