Journal of Neural Engineering（Crossref）·· 6 小时前AI 评分30
生物信号基础模型综述：EEG、ECG、EMG、EOG 与 PPG 的统一建模进展
A comprehensive review of biosignal foundation models
AI 导读
一篇发表于 Journal of Neural Engineering 的综述系统梳理了生物信号基础模型的研究现状，覆盖 EEG、ECG、EMG、EOG 和 PPG 五种模态，并讨论其在训练大模型时的特性。文章按单模态与多模态两类设定，从数据处理、特征提取、模型架构、预训练范式和评估方法五个环节结构化梳理现有工作。作者指出基准测试、可解释性与数据可得性仍是待解难题，并给出未来研究方向。
AI 要点
团队
帝国理工学院计算系末位作者 Stefanos Zafeiriou 团队，第一作者 Na Kim Kim Lee，共 7 位作者。
主要结果
系统梳理生物信号基础模型在单模态与多模态下的数据处理、特征提取、模型架构、预训练范式与评估方法。
解决什么问题
针对生物信号高变异性、噪声大、标注有限等学习难点，综述基础模型这一新兴路径。
方法
综述性文章，覆盖 EEG、ECG、EMG、EOG、PPG 等常用生物信号模态及其训练大模型的特点。
局限
从研究设计看，本文为综述，不含原始实验数据；作者指出基准测试、可解释性与数据可得性仍待解决。
AI 依据原文整理，未经人工核对。
来源：Journal of Neural Engineering（Crossref） · doi.org