0% Complete
English
صفحه اصلی
/
سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران
Hierarchical STFT based Transformer for Causality discovery
نویسندگان :
Sahar Semsarha
1
Mohammad bagher Shamsolahi
2
1- sharif university of technology
2- sharif university of techonolgy
کلمات کلیدی :
EEG،causal discovery،Transformers،connectivity،time-frequency analysis
چکیده :
Abstract— electroencephalogram (EEG) signal analysis is crucial for understanding brain dynamics and connectivity. Traditional approaches such as Granger causality, Partial Directed Coherence (PDC), and Directed Transfer Function (DTF) rely on linear autoregressive assumptions and often fail to capture nonlinear dependencies. At the same time, deep learning models including CNNs, RNNs, and Transformers have achieved strong results in EEG decoding tasks, yet these methods generally focus on correlation rather than causation. To address these limitations, we propose a Hierarchical Causal-STFT Transformer (H-STFT-T), a novel framework that integrates causal short-time Fourier transform (STFT) representations with a multi-level hierarchical Transformer architecture. By enforcing causality in the spectral domain and incorporating intra-patch, inter-patch, and inter-channel attention modules, our model prevents leakage, learns temporal delays (lags), and generates directed connectivity graphs. We evaluate H-STFT-T on both synthetic datasets and real EEG benchmarks. Experimental results demonstrate that our method achieves superior accuracy in recovering ground-truth causal links and lag structures, outperforming classical approaches (Granger, PDC, DTF), deep non-causal baselines (GCN, GAT, Transformer), and causal discovery methods (PCMCI, Transfer Entropy, LiNGAM).
لیست مقالات
لیست مقالات بایگانی شده
تشخیص پول شویی در بانکداری هوشمند با استفاده از مدل مخفی مارکوف مبتنی بر استنتاج فازی
فرهاد کریم¬خانی - رضا جعفرزاده - حسن مکرمی
Fast Reflection-Mode Ultrasound Computed Tomography Versus Conventional Pulse-Echo Technique
Elnaz Rostami Siahpoush - Haniye Fathi - Zahra Kavehvash
Graph Convolutional Network–Based Surrogate Modeling for MRI-EEG Connectivity Analysis
Arshia Rezaei - Bahareh Abbaszadeh
Semi-Automatic Multi-Stage Artifact Removal in EEG During Subthreshold GVS: A Machine Learning Approach for Neuromodulation Studies
Mahdi Babaei - Sepideh Hajipour Sardouie - Martin Keung - Varsha Sreenivasan - Hanaa Diab - Maryam S. Mirian - Martin J. McKeown
چارچوب احراز هویت مبتنی بر بلاکچین برای حفظ حریم خصوصی کاربران در شبکههای مخابراتی
رضا دانش
شبیهسازی المان محدود رفتار ناهمسانگرد لیگامان پریودنتال بر اساس توزیع سهبعدی فیبرهای کلاژن
محیا بناپور نجاری - علی ولایی - هادی تقیزاده
مرور نظاممند ادبیات: نوآوریها و چالشهای مدیریت زنجیره تأمین جهانی در عصر دیجیتال:نقش فناوریهای پیشرفته و استراتژیهای تابآور
ساجده غلامی چهارطاق - نازنین عصمتی
نقش کلیدی نانولوله های کربنی در بهبود همزمان خواص مکانیکی، ضدباکتریایی و زیست سازگاری پوشش های HA-Ta2O5 بر روی آلیاژهای حافظه دار NiTi
نازیلا هوراندقدیم - جعفر خلیل علافی
سامانه هوشمند مبتنی بر بینایی ماشین برای تشخیص افتادن سالمندان: رویکردی ایمن، دقیق و سریع
سیدحسن نوری - هدی محمدزاده
ارائه مدل رتبه بندی مشتریان اعتباری بانکی با استفاده از داده کاوی و منطق فازی :مطالعه موردی بانک خصوصی در ایران
محمد صالح کتابی
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.5.2