脑机接口 / BCI

E2CAR: An Efficient 2D-CNN Framework for Real-Time EEG Artifact Removal on Edge Devices

E2CAR: 一种高效的2D-CNN框架用于边缘设备上的实时EEG伪影去除

Haoliang Liu, Chengkun Cai, Xu Zhao, Lei Li

专题命中 EEG解码 ：EEG(title,abstract)；分类 eess.SP

AI总结 E2CAR通过将1D CNN替换为2D CNN，实现边缘设备上EEG伪影去除的高效处理，推理时间减少90%，功耗降低18.98%

Modified TSception for Analyzing Driver Drowsiness and Mental Workload from EEG

改进的TSception用于从EEG分析驾驶员困倦和心理负荷

Gourav Siddhad, Anurag Singh, Rajkumar Saini, Partha Pratim Roy

机构 * Department of Computer Science and Engineering, Indian Institute of Technology, Roorkee, Uttarakhand, 247667, India（计算机科学与工程系，印度理工学院，罗尔基，乌塔兰德，印度） ； Department of Computer Science and Engineering, OP Jindal University, Raigarh, Chhattisgarh, 496109, India（计算机科学与工程系，OP金达尔大学，拉里加，恰特内格尔，印度） ； Department of Computer Science, Electrical and Space Engineering, Luleå Tekniska Universitet, Luleå, 97187, Sweden（计算机科学、电气与航天工程系，卢勒奥技术大学，卢勒奥，瑞典） ； Department of Computer Science and Engineering, Indian Institute of Technology, Dhanbad, Jharkhand, 826007, India（计算机科学与工程系，印度理工学院，丹巴德，贾坎德，印度） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；分类 cs.HC

AI总结 本研究提出改进的TSception架构，通过五层层次时间细化策略和两阶段融合机制，提升EEG数据中驾驶员困倦和心理负荷检测的准确性和稳定性。

Comments 8 Pages, 4 Figures, 1 Table