Arhitectura Conformer îmbunătățită cu Swin Transformer pentru detectarea îmbunătățită a crizelor epileptice din semnalele EEG
Acest studiu prezintă un model de învățare profundă inovator care integrează arhitectura Swin Transformer într-un cadru Conformer pentru a îmbunătăți identificarea crizelor epileptice din înregistrări EEG. Modelul atinge o precizie ridicată (99,24%) pe seturi de date standardizate prin valorificarea învățării ierarhice a caracteristicilor și a mecanismelor de atenție cu fereastră deplasată pentru a captura atât modelele locale, cât și cele temporale în activitatea electrică cerebrală.