Buchumschlag

Decoding non-invasive brain activity with novel deep-learning approaches

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Csaky, Richard
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Signal Processing Machine Learning Neurons and Cognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Group-level Brain Decoding with Deep Learning
von: Csaky, Richard, et al.
Veröffentlicht: (2022)

Automatic detection of abnormal clinical EEG: comparison of a finetuned foundation model with two deep learning models
von: Bussalb, Aurore, et al.
Veröffentlicht: (2025)

Exploring Deep Learning Models for EEG Neural Decoding
von: Dixen, Laurits, et al.
Veröffentlicht: (2025)

Time-Resolved EEG Decoding of Semantic Processing Reveals Altered Neural Dynamics in Depression and Suicidality
von: Jeong, Woojae, et al.
Veröffentlicht: (2025)

A Strong and Simple Deep Learning Baseline for BCI MI Decoding
von: Ouahidi, Yassine El, et al.
Veröffentlicht: (2023)

SI-SD: Sleep Interpreter through awake-guided cross-subject Semantic Decoding
von: Zheng, Hui, et al.
Veröffentlicht: (2023)

Bayesian Time-Series Classifier for Decoding Simple Visual Stimuli from Intracranial Neural Activity
von: Ziaei, Navid, et al.
Veröffentlicht: (2023)

FingerNet: EEG Decoding of A Fine Motor Imagery with Finger-tapping Task Based on A Deep Neural Network
von: Go, Young-Min, et al.
Veröffentlicht: (2024)

PySeizure: A single machine learning classifier framework to detect seizures in diverse datasets
von: Chybowski, Bartlomiej, et al.
Veröffentlicht: (2025)

Localising the Seizure Onset Zone from Single-Pulse Electrical Stimulation Responses with a CNN Transformer
von: Norris, Jamie, et al.
Veröffentlicht: (2024)

Decomposed Linear Dynamical Systems (dLDS) for learning the latent components of neural dynamics
von: Mudrik, Noga, et al.
Veröffentlicht: (2022)

THD-BAR: Topology Hierarchical Derived Brain Autoregressive Modeling for EEG Generic Representations
von: Yang, Wenchao, et al.
Veröffentlicht: (2025)

End-to-End Deep Learning for Real-Time Neuroimaging-Based Assessment of Bimanual Motor Skills
von: Subedi, Aseem, et al.
Veröffentlicht: (2025)

Graph Convolutional Neural Networks to Model the Brain for Insomnia
von: Monteiro, Kevin, et al.
Veröffentlicht: (2025)

IMU-Enhanced EEG Motion Artifact Removal with Fine-Tuned Large Brain Models
von: Zhang, Yuhong, et al.
Veröffentlicht: (2025)

A Graph Neural Network based on a Functional Topology Model: Unveiling the Dynamic Mechanisms of Non-Suicidal Self-Injury in Single-Channel EEG
von: Tong, BG
Veröffentlicht: (2025)

SSDLabeler: Realistic semi-synthetic data generation for multi-label artifact classification in EEG
von: Akama, Taketo, et al.
Veröffentlicht: (2025)

Fetal Sleep: A Cross-Species Review of Physiology, Measurement, and Classification
von: Tang, Weitao, et al.
Veröffentlicht: (2025)

Graph-Based Deep Learning on Stereo EEG for Predicting Seizure Freedom in Epilepsy Patients
von: Agaronyan, Artur, et al.
Veröffentlicht: (2025)

Deep Learning Architectures for Code-Modulated Visual Evoked Potentials Detection
von: Nair, Kiran, et al.
Veröffentlicht: (2025)

Predicting Cognitive Assessment Scores in Older Adults with Cognitive Impairment Using Wearable Sensors
von: Habadi, Assma, et al.
Veröffentlicht: (2025)

From Sleep Staging to Spindle Detection: A Case Study on End-to-End Automated Sleep Analysis
von: Grieger, Niklas, et al.
Veröffentlicht: (2025)

Large Cognition Model: Towards Pretrained EEG Foundation Model
von: Chen, Chi-Sheng, et al.
Veröffentlicht: (2025)

Seizure-NGCLNet: Representation Learning of SEEG Spatial Pathological Patterns for Epileptic Seizure Detection via Node-Graph Dual Contrastive Learning
von: Wang, Yiping, et al.
Veröffentlicht: (2025)

Adaptive Segmentation of EEG for Machine Learning Applications
von: Zhou, Johnson, et al.
Veröffentlicht: (2025)

Repetitive TMS-based Identification of Methamphetamine-Dependent Individuals Using EEG Spectra
von: Zeng, Ziyi, et al.
Veröffentlicht: (2025)

Automatic EEG Independent Component Classification Using ICLabel in Python
von: Delorme, Arnaud, et al.
Veröffentlicht: (2024)

Subject-Specific Analysis of Self-Initiated Attention Shifts from EEG with Controlled Internal and External Attention Conditions
von: Zeng, Yuwen, et al.
Veröffentlicht: (2026)

Discovering robust biomarkers of psychiatric disorders from resting-state functional MRI via graph neural networks: A systematic review
von: Chan, Yi Hao, et al.
Veröffentlicht: (2024)

Generative AI Enables EEG Super-Resolution via Spatio-Temporal Adaptive Diffusion Learning
von: Wang, Shuqiang, et al.
Veröffentlicht: (2024)

Neural decoding from stereotactic EEG: accounting for electrode variability across subjects
von: Mentzelopoulos, Georgios, et al.
Veröffentlicht: (2024)

Sparse Bayesian Correntropy Learning for Robust Muscle Activity Reconstruction from Noisy Brain Recordings
von: Li, Yuanhao, et al.
Veröffentlicht: (2024)

Leveraging Recurrent Neural Networks for Predicting Motor Movements from Primate Motor Cortex Neural Recordings
von: Wang, Yuanxi, et al.
Veröffentlicht: (2024)

Neuro-BERT: Rethinking Masked Autoencoding for Self-supervised Neurological Pretraining
von: Wu, Di, et al.
Veröffentlicht: (2022)

Contrastive Learning of Shared Spatiotemporal EEG Representations Across Individuals for Naturalistic Neuroscience
von: Shen, Xinke, et al.
Veröffentlicht: (2024)

Bayesian Functional Connectivity and Graph Convolutional Network for Working Memory Load Classification
von: Gangapuram, Harshini, et al.
Veröffentlicht: (2024)

A Machine Learning Approach for Identifying Anatomical Biomarkers of Early Mild Cognitive Impairment
von: Ahmad, Alwani Liyana, et al.
Veröffentlicht: (2024)

Fast Multi-Group Gaussian Process Factor Models
von: Gokcen, Evren, et al.
Veröffentlicht: (2024)

Towards Explainable Graph Neural Networks for Neurological Evaluation on EEG Signals
von: Protani, Andrea, et al.
Veröffentlicht: (2024)

Analyzing Brain Activity During Learning Tasks with EEG and Machine Learning
von: Cho, Ryan, et al.
Veröffentlicht: (2024)