HFO Artifact

🚀 高頻振盪 (HFO) 分類模型

本項目提供了一系列機器學習模型，用於對神經信號中的高頻振盪（HFO）進行分類。HFO 是神經學研究中重要的生物標誌物，尤其在癲癇和腦功能研究領域備受關注。本倉庫中的模型針對不同的分類任務進行了優化，可幫助研究人員和臨床醫生更高效地分析 HFO。

🚀 快速開始

本倉庫包含一系列用於對神經信號中的高頻振盪（HFO）進行分類的機器學習模型。HFO 是神經學研究中至關重要的生物標誌物，尤其在癲癇和腦功能研究中具有重要意義。倉庫中的模型針對不同的分類任務進行了定製，以幫助研究人員和臨床醫生更有效地分析 HFO。

✨ 主要特性

• 全面的分類流程：涵蓋偽影去除、尖峰相關 HFO（spkHFO）檢測和癲癇性 HFO（eHFO）檢測，簡化 HFO 分析工作流程。
• 先進的模型架構：採用先進的深度學習技術構建，確保高準確性和魯棒性。
• 易於使用的 API：可直接使用 Hugging Face 的 transformers 庫加載模型，無縫集成到研究流程中。

📚 詳細文檔

包含的模型

1. 偽影檢測模型：識別並過濾 HFO 信號中的偽影。
2. spkHFO 檢測模型：檢測與癲癇尖峰相關的特定 HFO 亞型（spkHFO）。
3. eHFO 檢測模型：識別與大腦癲癇源區密切相關的另一種 HFO 亞型（eHFO）。

模型信息