TFM-Tokenizer・EEGのtoken化

4つのステップで、単一チャネルのEEGを離散トークンに変換します。STFTとパッチ化、時間およびスペクトルウィンドウのエンコード、ゲート付きパッチ単位集約、量子化の順に行います。

単一チャネルEEGを時間周波数の離散tokenに変換し、Transformerに入力します。
このプロンプトから始める

単一チャネルEEGを時間周波数の離散tokenに変換し、Transformerに入力します。

損失の注記を追加

Masked Reconstructionの分岐に再構成損失の注記を加え、パイプラインの他の部分はそのままにします。

Kimi Designを試す
TFM-Tokenizerの16:9横長の概念的な手法図を作成し、単一チャネルEEGが時間周波数の離散tokenに変換され、Transformerへ入力される流れを示してください。

タイトル:「TFM-Tokenizer:EEG時間周波数離散化|概念例」。

EEG波形はSTFT、重複Patchingの順に通過します。時間マスクされた入力はTemporal Encoderへ、周波数帯マスクされた入力はLocalized Spectral Window Encoderへ入力され、2つの分岐はGated Patchwise Aggregationで統合されます。続いてQuantizationによりToken VocabularyとEEG-Tokensを形成し、Masked Reconstructionでスペクトログラムを復元します。右側には、学習済みEEG tokens → Masking → Transformer Encoder → Token Prediction Head → Masked Token Predictionを示してください。

スペクトルには紫、時間経路には青、語彙とtokensにはオレンジを使用し、マスクにはグレーのハッチングを用いてください。背景は白とし、明確な矢印とモジュールボックスを配置してください。

この手法はモデルに依存せず、基盤モデルやマルチチャネル設定に適応できるという定性的な注記を残してください。
配色を変更

構造は変えずに、スペクトル、時間経路、tokensの色をそれぞれインディゴ、ティール、朱色に変更します。

Kimi Designを試す
TFM-Tokenizerの16:9横長の概念的な手法図を作成し、単一チャネルEEGが時間周波数の離散tokenに変換され、Transformerへ入力される流れを示してください。

タイトル:「TFM-Tokenizer:EEG時間周波数離散化|概念例」。

EEG波形はSTFT、重複Patchingの順に通過します。時間マスクされた入力はTemporal Encoderへ、周波数帯マスクされた入力はLocalized Spectral Window Encoderへ入力され、2つの分岐はGated Patchwise Aggregationで統合されます。続いてQuantizationによりToken VocabularyとEEG-Tokensを形成し、Masked Reconstructionでスペクトログラムを復元します。右側には、学習済みEEG tokens → Masking → Transformer Encoder → Token Prediction Head → Masked Token Predictionを示してください。

スペクトルには紫、時間経路には青、語彙とtokensにはオレンジを使用してください。マスクにはグレーのハッチングを用いてください。背景は白とし、明確な矢印とモジュールボックスを配置してください。

この手法はモデルに依存せず、基盤モデルやマルチチャネル設定に適応できるという定性的な注記を残してください。
マルチチャネルのスケッチを追加

定性的な注記の横に、マルチチャネル拡張の小さなスケッチを追加します。

Kimi Designを試す
TFM-Tokenizerの16:9横長の概念的な手法図を作成し、単一チャネルEEGが時間周波数の離散tokenに変換され、Transformerへ入力される流れを示してください。

タイトル:「TFM-Tokenizer:EEG時間周波数離散化|概念例」。

EEG波形はSTFT、重複Patchingの順に通過します。時間マスクされた入力はTemporal Encoderへ、周波数帯マスクされた入力はLocalized Spectral Window Encoderへ入力され、2つの分岐はGated Patchwise Aggregationで統合されます。続いてQuantizationによりToken VocabularyとEEG-Tokensを形成し、Masked Reconstructionでスペクトログラムを復元します。右側には、学習済みEEG tokens → Masking → Transformer Encoder → Token Prediction Head → Masked Token Predictionを示してください。

スペクトルには紫、時間経路には青、語彙とtokensにはオレンジを使用し、マスクにはグレーのハッチングを用いてください。背景は白とし、明確な矢印とモジュールボックスを配置してください。

この手法はモデルに依存せず、基盤モデルやマルチチャネル設定に適応できるという定性的な注記を残してください。