| 28 ноя 2025 — 8:33 PT
Новое исследование исследователей Apple представляет метод, который позволяет модели ИИ изучать один аспект структуры электрической активности мозга без каких-либо аннотированных данных. Вот как.
PAirwise Relative Shift (Относительный сдвиг парных сигналов)
В новом исследовании под названием «Изучение относительного состава сигналов ЭЭГ с использованием предварительного обучения на основе относительного сдвига парных сигналов» Apple представляет PARS, сокращенно от PAirwise Relative Shift.
Современные модели в значительной степени полагаются на аннотированные людьми данные об активности мозга, указывая, какие сегменты соответствуют стадиям сна (бодрствование, REM, Non-REM1, Non-REM2 и Non-REM3), а также началу и концу событий приступов и так далее.
По сути, Apple заставила модель научиться предсказывать, насколько далеко во времени располагаются различные сегменты активности мозга, основываясь на необработанных, неразмеченных данных.
Из исследования:
«Самообучение (SSL) предлагает перспективный подход для изучения представлений электроэнцефалограммы (ЭЭГ) из неразмеченных данных, снижая потребность в дорогостоящих аннотациях для клинических применений, таких как стадирование сна и обнаружение приступов. В то время как текущие методы SSL для ЭЭГ преимущественно используют стратегии маскированной реконструкции, такие как маскированные автокодировщики (MAE), которые улавливают локальные временные паттерны, предварительное обучение на предсказание положения остается недостаточно исследованным, несмотря на его потенциал для изучения долговременных зависимостей в нейронных сигналах. Мы представляем предварительное обучение PAirwise Relative Shift или PARS, новую предварительную задачу, которая предсказывает относительные временные сдвиги между случайно выбранными парами окон ЭЭГ. В отличие от методов, основанных на реконструкции, которые фокусируются на восстановлении локальных паттернов, PARS побуждает энкодеры улавливать относительный временной состав и долговременные зависимости, присущие нейронным сигналам. Благодаря всесторонней оценке на различных задачах декодирования ЭЭГ, мы демонстрируем, что трансформеры, предварительно обученные PARS, последовательно превосходят существующие стратегии предварительного обучения в условиях эффективного использования меток и трансферного обучения, устанавливая новую парадигму для самообучаемого изучения представлений ЭЭГ.
Другими словами, исследователи заметили, что существующие методы в основном тренируют модели для заполнения небольших пробелов в сигнале. Поэтому они исследовали, может ли ИИ научиться изучать общую структуру сигналов ЭЭГ напрямую из необработанных, неразмеченных данных.
Как оказалось, может.
В статье они описывают метод самообучения для предсказания того, как небольшие сегменты сигнала ЭЭГ соотносятся друг с другом во времени, что может привести к повышению производительности в различных задачах анализа ЭЭГ, от стадирования сна до обнаружения приступов.
Результаты были многообещающими, поскольку модель, предварительно обученная PARS, превзошла или соответствовала предыдущим методам на трех из четырех протестированных эталонных тестов ЭЭГ.
Но какое это имеет отношение к AirPods?
Вот четыре эталонных теста, против которых тестировалась модель, предварительно обученная PARS:
- Стадирование сна с носимых устройств (EESM17)
- Обнаружение аномальной ЭЭГ (TUAB)
- Обнаружение приступов (TUSZ)
- Моторная визуализация (PhysioNet-MI).
В первом наборе данных EESM17 означает Ear-EEG Sleep Monitoring 2017, который содержит «ночные записи от 9 испытуемых с использованием 12-канальной носимой системы Ear-EEG и 6-канальной скальповой системы ЭЭГ».
Вот как выглядит система Ear-EEG:
Хотя Ear-EEG использует другие электроды, чем стандартная скальповая система, она по-прежнему может независимо улавливать многие клинически значимые сигналы мозга, такие как стадии сна и определенные паттерны, связанные с приступами.
И поскольку набор данных EESM17 использовался в исследовании, проведенном Apple, которая в последние годы включила множество датчиков здоровья в свои носимые устройства, несложно представить мир, где AirPods получат датчики ЭЭГ, подобно тому, как AirPods Pro 3 недавно получили датчик фотоплетизмографа (PPG) для измерения сердечного ритма.
И вот главный козырь: в 2023 году Apple подала заявку на патент на «носимое электронное устройство для измерения биосигналов пользователя».
Патент явно упоминает устройства Ear-EEG как альтернативу скальповой системе, одновременно указывая на их ограничения:
«Активность мозга может отслеживаться с помощью электродов, размещенных на скальпе пользователя. В некоторых случаях электроды могут быть размещены внутри или вокруг наружного уха пользователя. Измерение активности мозга с использованием электродов, размещенных в наружном ухе или вокруг него, может быть предпочтительным из-за таких преимуществ, как снижение подвижности устройства и уменьшение видимости электродов по сравнению с другими устройствами, требующими размещения электродов на видимых участках вокруг скальпа пользователя. Однако для точных измерений активности мозга с использованием устройства ушной электроэнцефалографии (ЭЭГ) устройство Ear-EEG может потребоваться настроить индивидуально для уха пользователя (например, возможно, для конхи, слухового прохода, козелка и т. д.), и может потребоваться разная настройка для разных пользователей, чтобы электроды, размещенные на устройстве Ear-EEG, оставались в постоянном контакте с телом пользователя. Поскольку размер и форма уха варьируются от пользователя к пользователю, а также поскольку размер и форма уха одного пользователя, а также размер и форма структур, таких как слуховой проход пользователя, могут меняться со временем, даже индивидуально настроенное устройство Ear-EEG может время от времени (или с течением времени) давать неточные показания. Кроме того, индивидуально настроенное устройство Ear-EEG может быть дорогостоящим.»
Затем патент Apple решает эти ограничения, по сути, упаковывая больше датчиков, чем необходимо, распределенных по наконечникам AirPods, и заставляя модель ИИ выбирать электроды с наилучшим качеством сигнала, используя такие метрики, как импеданс, уровень шума, качество контакта с кожей и расстояние между активными и опорными электродами.
Далее он назначает разные веса каждому электроду, чтобы объединить все сигналы в одну оптимизированную форму волны. Патент даже описывает жест постукивания или сжатия, который запускал бы или останавливал измерения, а также несколько проектных и инженерных решений, которые сделали бы все это возможным.
Наконец, Apple заявляет, что «измерения биосигнала, таким образом, могут быть использованы для информирования пользователя о различных сценариях использования, управляемых биосигналами, таких как мониторинг сна или другие аномалии, такие как приступы», которые, как правило, являются теми же примерами, что и в новом исследовании.
Но важно уточнить: новое исследование не упоминает AirPods и не имеет отношения к патентной заявке 2023 года. Это исследование направлено на выяснение того, может ли модель научить себя предсказывать временные интервалы между мозговыми волнами из неразмеченных данных, используя измерения Ear-EEG в качестве части своего набора данных.
Однако интересно наблюдать, как Apple исследует аппаратное обеспечение для сбора этих данных, а также модель ИИ, которая улучшит обработку этих данных после их сбора. Остается увидеть, превратится ли это в реальный продукт или функцию.
Отличные предложения на Черную пятницу 2025
- MacBook Air 13” M4: $749 (было $999)
- AirTag: $17.97 (было $29)
- AirTag (4 шт.): $62.99 (было $99)
- AirPods Pro 3: $219.99 (было $249)
- AirPods 4: $69 (было $129)
- AirPods Max: $399.99 (было $549)
- Anker Nano Portable Charger (10 000 мАч): $39.99 (было $59.99)
- Apple Watch Ultra 2: $599 (было $799)
- Apple Watch SE 3 (40 мм): $199 (было $249)
- iPad 11” (A16): $274 (было $349)