Estratégias de Normalização de Dados para Deep Learning em EEG
A normalização de dados é um passo fundamental e frequentemente subestimado no pipeline de pré-processamento para aplicações de deep learning em Eletroencefalografia (EEG). Com a crescente adoção de paradigmas de pré-treinamento em larga escala, como a aprendizagem autossupervisionada (Self-Supervised Learning - SSL), a natureza das tarefas em deep learning de EEG está mudando, levantando novas questões sobre as estratégias de normalização mais eficazes para diferentes propósitos. Um estudo recente disponível no arquivo arXiv investigou sistematicamente o impacto da granularidade da normalização (nível de gravação vs. nível de janela) e do escopo (entre canais vs. dentro do canal) em tarefas de deep learning supervisionadas e autossupervisionadas. Para a avaliação, foram utilizadas tarefas supervisionadas de previsão de idade e gênero, bem como aprendizagem autossupervisionada via Contrastive Predictive Coding. A pesquisa utilizou dados de EEG de alta densidade em estado de repouso ...