محققان موفق به طراحی معماری جدیدی برای رمزگشایی سیگنالهای مغزی (EEG) در فعالیتهای حرکتی (Motor Imagery) شدهاند. چالش اصلی در این حوزه، تغییرات سیگنالها در جلسات مختلف و تفاوت بین افراد بود، اما مدل جدید ATCNet-CIAM با استفاده از یک واحد توجه (Attention) سبک و بهینه، توانسته دقت مدل را در چالشهای استاندارد BCI به شکل چشمگیری افزایش دهد.
این پیشرفت نه تنها پایداری سیستمهای BCI را بالا میبرد، بلکه مسیر را برای ساخت رابطهای مغزی دقیقتر و کاربردیتر در آینده هموارتر میکند. 🚀
منبع: arXiv Computer Vision