OpView V2
замороженные EEG-энкодеры для декодирования сигнала
2 min readupdated
OpView — набор EEG-энкодеров, которые превращают окна электроэнцефалограммы в готовые векторы признаков. В этой папке лежит вторичный набор mask25_30k из трёх энкодеров — Frequency, Relation и Projective, обученных как masked autoencoder (автоэнкодер, который восстанавливает скрытую часть входа) с 25% скрытых units. Каждый вид смотрит на сигнал через свой фиксированный оператор без параметров: частотную мощность, связь между каналами или топографию на скальпе. Это не один универсальный энкодер, а несколько представлений с разными операторами и self-supervised целями. Модели используют замороженными: поверх признаков ставят линейную пробу или лёгкий readout, а не дообучают весь энкодер. Пригодится исследователям EEG-декодирования и тем, кто сравнивает разные представления сигнала.
Ключевые особенности
- Три вида признаков: Frequency — спектральная мощность, Relation — связь каналов, Projective — скальповая топография.
- Энкодеры работают замороженными; ширина признаков — 8 192 у Frequency и Projective, 24 576 у Relation.
- На вход ждёт 256 Гц и имена каналов 10-20/10-05; Relation нужно минимум 3 канала, Projective — минимум 4 в разных направлениях.
- Всего 13 042 409 параметров; чекпоинты в safetensors, по 15–20 МБ на вид.
- Только research: не медицинское изделие и не для клинических решений.
Что можно сделать
- Сделать линейную пробу на замороженных признаках для EEG-декодирования и сравнить три вида между собой.
- Проверить, какой оператор лучше подходит под конкретную парадигму: моторное воображение, ERP, SSVEP или сон.
- Встроить извлечение признаков в PyTorch-пайплайн: батч
[B, C, T]в микровольтах → вектор на окно.
Пример
x_uv — NumPy-массив [B, C, T] в микровольтах; для этой папки доступны виды frequency, relation и projective.
from opview.hub import from_pretrained
model = from_pretrained("Anony-0x3f/opview-v2-mask25")
features = model.features("frequency", x_uv, channel_names, sample_rate=256)
encoder = model.encoders["frequency"]
Подробнее
В карточке метрики даны для released set, а не для masked-вариантов этого репозитория: Dynamics +7,8 п.п. balanced accuracy к random init (aligned), Waveform +4,5, Projective +4,4; Frequency и Relation выигрыша не дают.Для входа: 256 Гц, монтаж 10-20/10-05; 4-секундное окно (1024 отсчёта) подходит всем видам.
Признаки широкие: 32 768 колонок у Waveform и Dynamics, 24 576 у Relation, 8 192 у Frequency и Projective.
Пакет
opview ставится из supplementary material статьи; также нужны huggingface_hub и safetensors. Лицензия MIT, у данных предобучения свои лицензии.Не медицинское изделие: не валидировано для диагностики, мониторинга или лечения.










Comments