SAMBA
модели представления электроэнцефалограмм на базе Mamba
1 мин чтения
SAMBA представляет собой семейство моделей для извлечения признаков (feature-extraction) из данных ЭЭГ (электроэнцефалограммы), созданных на основе архитектуры Differential Mamba и координатно-ориентированных пространственных эмбеддингов. Модели поддерживают разную длину входных окон и конфигурации электродов при фиксированной частоте дискретизации 128 Гц. Они подходят для исследователей и разработчиков, занимающихся анализом сигналов мозга, линейным зондированием или дообучением энкодеров под конкретные задачи.
Ключевые особенности
- Два варианта моделей: SAMBA-2s (окно 2 секунды) и SAMBA-100s (окно 100 секунд)
- Компактный размер: каждая модель содержит 1.06 миллиона параметров
- Поддержка различных раскладок электродов и разной длины входных данных
- Обучение на разнообразных датасетах, включая Emotiv, HBN, Muse, DICE и TUAB
Что можно сделать
- Извлекать векторные представления из сырых сигналов ЭЭГ для дальнейшего анализа
- Использовать пулинг признаков для линейного зондирования (linear probing) или тонкой настройки энкодера
- Интегрировать модели в пайплайны обработки нейрофизиологических данных на Python
Пример
from pathlib import Path
import torch
from huggingface_hub import snapshot_download
from samba_eeg import SambaModel
variant = "SAMBA-2s" # или "SAMBA-100s"
folder = snapshot_download(
"Jay1208/SAMBA",
allow_patterns=[f"{variant}/*"],
)
model = SambaModel.from_pretrained(Path(folder) / variant).cuda().eval()Подробнее
Требуется совместимая система CUDA.Частота дискретизации данных: 128 Гц.
Формат сигналов: [batch, channels, samples].
Статья: arXiv:2511.18571.










Комментарии