标签
本文提出 TF-IG，一种参数高效的交互门控时频学习框架，用于基于 PPG 的心率估计，在 BIDMC PPG 数据集上以仅 84.6K 参数实现 1.227 BPM 的 MAE 和 0.9934 的皮尔逊相关系数。
北德克萨斯大学的研究人员提出将拼接融合与混合融合技术应用于EEG时频图像，并结合轻量级CNN来预测rTMS抑郁治疗效果。研究发现，在段级验证下近乎完美的准确率，在受试者不相交交叉验证下会骤降至接近随机水平，警示EEG相关文献中的验证方法存在问题。
本文提出时频几何交叉注意力（TFGCA），这是一种即插即用模块，用于分块视觉-语言-动作模型，通过将分块分解为时频表示并捕捉几何关系来改进动作轨迹预测，从而在基准测试和真实机器人任务中实现显著性能提升。
本文提出了一种轻量级CNN分类器，利用基于欧氏距离的傅里叶-贝塞尔级数展开（FBSE-ED）将脑电信号表示为图像，在预测rTMS抑郁症疗法结果方面达到了93.60%的准确率，优于脑电专用深度学习和预训练深度学习模型。