EEGDM：扩散模型做EEG表征学习，减少标注依赖

Jia Hong Puah 等作者发布预印本论文，提出基于扩散模型的 EEG 表征学习框架 EEGDM，目标是减少 EEG 分析对人工标注的依赖。 EEGDM 用结构化状态空间模型做扩散预训练（SSMDP），以捕捉长程时间依赖，并用 Latent Fusion Module 融合多层潜特征。作者称源代码与预训练检查点已公开。 目前公开的是论文与代码，报道未给出该框架在具体任务上的性能数据。

AI 根据报道生成 · 2 天前更新

还没有足够的连续观测数据，暂不绘制趋势。