新苹果研究提示未来AirPod如何读取大脑信号

苹果公司研究人员的一项新研究提出了一个方法,让AI模型在没有任何附加说明的数据的情况下学习大脑电气活动结构的一个方面. 这是如何的。

相对移动

在一项名为“利用双向相对移位前训练学习EEG信号的相对构成”的新研究中,苹果公司引入了PARS,Pairwise相对移的简称.

目前的模型严重依赖人类附加说明的大脑活动数据,说明哪些部分对应Wake,REM,Non-REM1,Non-REM2和Non-REM3睡眠阶段,以及缉获事件的始末位置等等.

简言之,Apple所做的是 获得一个模型来教导自己 预测大脑活动的不同部位在时间上相距有多远, 基于原始的,无标签的数据。

从研究中:

翻译: “自我监督学习(SSL)为学习无标签数据中的电脑分析(EEG)表述提供了一种很有希望的方法,从而减少了临床应用(如睡眠中转和癫痫检测)需要昂贵的说明。 虽然目前的EEG SSL方法主要使用蒙面重建策略,如捕捉局部时间规律的蒙面自动编码器(MAE),但位置预测前期训练尽管有可能在神经信号中学习长距离依赖性,但仍然没有得到充分利用. 我们引入Pairwise Represent Shift 或 PARS pretraining,这是一种新颖的借口任务,它预测了随机抽样的EEG窗口对之间的相对时间变化. 与注重局部模式恢复的重建方法不同,PARS鼓励编码器捕捉神经信号中固有的相对时间组成和长距离依赖性. 通过对各种电子工程组解码任务的全面评价,我们表明,PARS预先培训的变压器在标签高效和转移学习环境中一直比现有的预培训战略要好,为自我监督的电子工程组代表性学习建立了新的范式。

换句话说,研究人员认为,现有方法主要是训练模型,以填补信号中的小缺口. 因此他们探讨了AI是否能够直接从原始的,无标签的数据中学习EEG信号的更广泛的结构.

如实知能.

在论文中,他们描述了一种自我监督的学习方法,用来预测一个EEG信号的细小部分在时间上如何相互关联,这可以使多个EEG分析任务有更好的性能,从睡眠阶段到扣押检测.

其结果是很有希望的,因为经过测试的PARS预先训练的模型在四个不同的EEG基准中,有三种超过了或比对了先前的方法。

但是这和AirPods有什么关系?

这些是PARS预先训练过的模型所用的四个数据集:

1. 可穿戴的睡眠台阶(ESM17)



2. 异常电泳探测(TUAB)
3. 查获(TUSZ)
4. 汽车影像学(PhysioNet-MI)。

在第一个数据集中,EESM17提到Ear-EEG Sleep Monitoring 2017,其中包含“9个学科的过夜录音,带有12通道可穿戴耳机EEG系统和6通道头皮-EEG系统”。

以下是耳电图系统的样子:

虽然耳-EEG使用与标准头皮系统不同的电极,但它仍然可以独立地接收许多临床相关的脑信号,如睡眠阶段和某些与癫痫有关的模式.

而由于EESM17数据集被用于苹果公司的一项研究中,该研究在最近几年中在其可穿戴性上加入了多个健康传感器,因此不难想象一个AirPods获得EEG传感器的世界,这与AirPods Pro 3最近获得的用于心率感应的光聚子仪传感器(PPG)很像.

以下是踢球手:2023年,苹果公司提出了专利申请,要求“一个可穿戴的电子设备,用于测量用户的生物标志。 “

该专利明确提到耳电图装置是头皮系统的替代品,同时也提出了其局限性:

翻译: “可以利用放在用户头皮上的电极监测脑部活动。 电极在某些情况下可能放置在用户的外耳内或周围. 与要求将电极放置在用户头皮周围的可见区域的其他设备相比,由于设备流动性降低和电极可见度降低等好处,因此最好使用放置在外耳或周围的电极测量大脑活动。 然而,为了准确测量使用耳电脑学(EEG)设备的大脑活动,耳电脑学(EEG)设备可能需要为用户的耳朵定制(例如,可能为用户的孔隙,耳渠,芋头等定制),并且可能需要为不同的用户定制不同的设备,这样放置在耳电脑学(EEG)设备上的电极就可以保持与用户身体的持续接触. 因为一个耳朵的大小和形状因用户而异,而且由于一个用户的耳朵大小和形状,以及一个用户的耳渠等结构的大小和形状,可能会随时间而变化,即使是定制的耳机EEG设备也可能无法在时(或随时间而变化)产生准确的测量结果. 此外,定制的耳电设备可能很昂贵。 “

然后,苹果的专利通过基本上将比需要的更多的传感器包装在AirPods耳机的耳机周围来解决这些限制,并且有一个AI模型利用诸如阻塞、噪音水平、皮肤接触质量以及主动电极和参考电极之间的距离等测量标准,以最佳信号质量来提取电极。

接下来,它给每个电极分配不同的权重,将所有信号组合为一个单一的,优化的波形. 该专利甚至描述了一种会开始或停止测量的敲击或挤压姿态,以及使这一切成为可能的多种设计和工程替代品。

终于 苹果公司说,“生物信号的测量,因此可用于向用户通报各种生物信号驱动的使用案例,如睡眠监测或其他异常情况,如缉获情况”,这些例子一般与新研究相同。

但需明确:新研究未提及AirPods,与2023年专利申请无关. 这是研究一个模型是否能够自我训练,学习从无标签的数据中预测脑波之间的时间间隔,使用耳电图测量作为其数据集的一部分.

然而,看到苹果公司调查收集这种数据的硬件,以及一个AI模型,可以改善这种数据在收集后发生的情况,这很有趣. 这是否真正会变成一种产品或特征仍有待观察。

大黑星期五2025年交易

_FTC:我们使用赚取收入的汽车附属链接。 _ 再来