HFO Artifact

🚀 高频振荡 (HFO) 分类模型

本项目提供了一系列机器学习模型，用于对神经信号中的高频振荡（HFO）进行分类。HFO 是神经学研究中重要的生物标志物，尤其在癫痫和脑功能研究领域备受关注。本仓库中的模型针对不同的分类任务进行了优化，可帮助研究人员和临床医生更高效地分析 HFO。

🚀 快速开始

本仓库包含一系列用于对神经信号中的高频振荡（HFO）进行分类的机器学习模型。HFO 是神经学研究中至关重要的生物标志物，尤其在癫痫和脑功能研究中具有重要意义。仓库中的模型针对不同的分类任务进行了定制，以帮助研究人员和临床医生更有效地分析 HFO。

✨ 主要特性

• 全面的分类流程：涵盖伪影去除、尖峰相关 HFO（spkHFO）检测和癫痫性 HFO（eHFO）检测，简化 HFO 分析工作流程。
• 先进的模型架构：采用先进的深度学习技术构建，确保高准确性和鲁棒性。
• 易于使用的 API：可直接使用 Hugging Face 的 transformers 库加载模型，无缝集成到研究流程中。

📚 详细文档

包含的模型

1. 伪影检测模型：识别并过滤 HFO 信号中的伪影。
2. spkHFO 检测模型：检测与癫痫尖峰相关的特定 HFO 亚型（spkHFO）。
3. eHFO 检测模型：识别与大脑癫痫源区密切相关的另一种 HFO 亚型（eHFO）。

模型信息