arXiv · cs.AI· Ramya Sundaram, Muhammad Aslam Jarwar, M Uma, Sunder Ali Khowaja, Qurat-Ul-Ain Mastoi·· 11 小时前
UMSH统一深度学习框架实现异构EEG与颅内EEG癫痫分类
Towards Modality-Agnostic Seizure Classification: A Unified Deep Learning Framework for Heterogeneous EEG and Intracranial EEG Signals
arXiv:2610.16596v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ramya Sundaram, Muhammad Aslam Jarwar, M Uma, Sunder Ali Khowaja, Qurat-Ul-Ain Mastoi
研究任务与主要进展
作者提出Unified Multimodal Signal Harmonization（UMSH）框架，用于统一处理不同受试者和来源、具有不同采样率与记录条件的EEG与颅内EEG信号。基于论文摘要，该框架使用条件生成对抗网络进行数据增强，并通过EEGNet-ViT提取局部判别模式和全局上下文信息，完成多模态癫痫分类；作者称实验结果显示该方法具有较好的分类效果。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org