Buchumschlag

Parkinson's Disease Classification via EEG: All You Need is a Single Convolutional Layer

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Anjum, Md Fahim
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Signal Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LiPCoT: Linear Predictive Coding based Tokenizer for Self-supervised Learning of Time Series Data via Language Models
von: Anjum, Md Fahim
Veröffentlicht: (2024)

Proprioception Is All You Need: Terrain Classification for Boreal Forests
von: LaRocque, Damien, et al.
Veröffentlicht: (2024)

PaperNet: Efficient Temporal Convolutions and Channel Residual Attention for EEG Epilepsy Detection
von: Sajid, Md Shahriar, et al.
Veröffentlicht: (2025)

EEG-GMACN: Interpretable EEG Graph Mutual Attention Convolutional Network
von: Ye, Haili, et al.
Veröffentlicht: (2024)

Attentional Graph Neural Network Is All You Need for Robust Massive Network Localization
von: Yan, Wenzhong, et al.
Veröffentlicht: (2023)

Flexible and Explainable Graph Analysis for EEG-based Alzheimer's Disease Classification
von: Wang, Jing, et al.
Veröffentlicht: (2025)

Channel Selected Stratified Nested Cross Validation for Clinically Relevant EEG Based Parkinsons Disease Detection
von: Rasmussen, Nicholas R., et al.
Veröffentlicht: (2025)

CURA: Size Isnt All You Need -- A Compact Universal Architecture for On-Device Intelligence
von: Seo, Jae-Bum, et al.
Veröffentlicht: (2025)

EEG2GAIT: A Hierarchical Graph Convolutional Network for EEG-based Gait Decoding
von: Fu, Xi, et al.
Veröffentlicht: (2025)

mixEEG: Enhancing EEG Federated Learning for Cross-subject EEG Classification with Tailored mixup
von: Liu, Xuan-Hao, et al.
Veröffentlicht: (2025)

Subject Representation Learning from EEG using Graph Convolutional Variational Autoencoders
von: Mishra, Aditya, et al.
Veröffentlicht: (2025)

Are EEG Sequences Time Series? EEG Classification with Time Series Models and Joint Subject Training
von: Burchert, Johannes, et al.
Veröffentlicht: (2024)

Window Stacking Meta-Models for Clinical EEG Classification
von: Zhu, Yixuan, et al.
Veröffentlicht: (2024)

SCFNet:A Transferable IIIC EEG Classification Network
von: Xu, Weijin
Veröffentlicht: (2024)

Classification of IED-free EEG Responses for Assisted Epilepsy Diagnosis
von: Zanardini, Giacomo, et al.
Veröffentlicht: (2026)

Balancing Spectral, Temporal and Spatial Information for EEG-based Alzheimer's Disease Classification
von: Goerttler, Stephan, et al.
Veröffentlicht: (2024)

Machine Learning to Detect Anxiety Disorders from Error-Related Negativity and EEG Signals
von: Chandrasekar, Ramya, et al.
Veröffentlicht: (2024)

Learning Exemplar Representations in Single-Trial EEG Category Decoding
von: Kilgallen, Jack, et al.
Veröffentlicht: (2024)

Motor Imagery EEG Signal Classification Using Minimally Random Convolutional Kernel Transform and Hybrid Deep Learning
von: Hwaidi, Jamal, et al.
Veröffentlicht: (2025)

Towards Practical Emotion Recognition: An Unsupervised Source-Free Approach for EEG Domain Adaptation
von: Imtiaz, Md Niaz, et al.
Veröffentlicht: (2025)

DB2-TransF: All You Need Is Learnable Daubechies Wavelets for Time Series Forecasting
von: Gupta, Moulik, et al.
Veröffentlicht: (2025)

Subject-Independent Deep Architecture for EEG-based Motor Imagery Classification
von: Sartipi, Shadi, et al.
Veröffentlicht: (2024)

Dynamic GNNs for Precise Seizure Detection and Classification from EEG Data
von: Hajisafi, Arash, et al.
Veröffentlicht: (2024)

Coronary Artery Disease Classification Using One-dimensional Convolutional Neural Network
von: Phoemsuk, Atitaya, et al.
Veröffentlicht: (2024)

Multi-Branch Mutual-Distillation Transformer for EEG-Based Seizure Subtype Classification
von: Peng, Ruimin, et al.
Veröffentlicht: (2024)

Designing Pre-training Datasets from Unlabeled Data for EEG Classification with Transformers
von: Bary, Tim, et al.
Veröffentlicht: (2024)

Subject-independent Classification of Meditative State from the Resting State using EEG
von: Panachakel, Jerrin Thomas, et al.
Veröffentlicht: (2025)

Three-Way Emotion Classification of EEG-based Signals using Machine Learning
von: Purwar, Ashna, et al.
Veröffentlicht: (2026)

Variational Mode Decomposition and Linear Embeddings are What You Need For Time-Series Forecasting
von: Putra, Hafizh Raihan Kurnia, et al.
Veröffentlicht: (2024)

Machine Learning Strategies for Parkinson Tremor Classification Using Wearable Sensor Data
von: Paucar-Escalante, Jesus, et al.
Veröffentlicht: (2025)

EEGMamba: Bidirectional State Space Model with Mixture of Experts for EEG Multi-task Classification
von: Gui, Yiyu, et al.
Veröffentlicht: (2024)

EEG-GPT: Exploring Capabilities of Large Language Models for EEG Classification and Interpretation
von: Kim, Jonathan W., et al.
Veröffentlicht: (2024)

EEG-Deformer: A Dense Convolutional Transformer for Brain-computer Interfaces
von: Ding, Yi, et al.
Veröffentlicht: (2024)

Automatic Classification of Sleep Stages from EEG Signals Using Riemannian Metrics and Transformer Networks
von: Seraphim, Mathieu, et al.
Veröffentlicht: (2024)

Transparency in Sleep Staging: Deep Learning Method for EEG Sleep Stage Classification with Model Interpretability
von: Sharma, Shivam, et al.
Veröffentlicht: (2023)

EEG-SeeGraph: Interpreting functional connectivity disruptions in dementias via sparse-explanatory dynamic EEG-graph learning
von: Wu, Fengcheng, et al.
Veröffentlicht: (2026)

EEG-DCNet: A Fast and Accurate MI-EEG Dilated CNN Classification Method
von: Peng, Wei, et al.
Veröffentlicht: (2024)

Improving EEG Classification Through Randomly Reassembling Original and Generated Data with Transformer-based Diffusion Models
von: Chen, Mingzhi, et al.
Veröffentlicht: (2024)

QiVC-Net: Quantum-Inspired Variational Convolutional Network, with Application to Biosignal Classification
von: Golnari, Amin, et al.
Veröffentlicht: (2025)

EEG-to-Gait Decoding via Phase-Aware Representation Learning
von: Fu, Xi, et al.
Veröffentlicht: (2025)