ترجمه فارسی مقاله اکتشاف LLMS ، EEG و داده های رفتاری برای اندازه گیری و پشتیبانی از توجه و خواب

چکیده

We explore the application of large language models (LLMs), pre-trained models with massive textual data for detecting and improving these altered states. We investigate the use of LLMs to estimate attention states, sleep stages, and sleep quality and generate sleep improvement suggestions and adaptive guided imagery scripts based on electroencephalogram (EEG) and physical activity data (e.g. waveforms, power spectrogram images, numerical features). Our results show that LLMs can estimate sleep quality based on human textual behavioral features and provide personalized sleep improvement suggestions and guided imagery scripts; however detecting attention, sleep stages, and sleep quality based on EEG and activity data requires further training data and domain-specific knowledge.

چکیده به فارسی (ترجمه ماشینی)

ما استفاده از مدل های بزرگ زبان (LLMS) ، مدل های از قبل آموزش دیده با داده های عظیم متنی را برای تشخیص و بهبود این حالتهای تغییر یافته کشف می کنیم.ما استفاده از LLM ها را برای برآورد حالت های توجه ، مراحل خواب و کیفیت خواب بررسی می کنیم و پیشنهادات بهبود خواب و اسکریپت های تصاویر هدایت شده تطبیقی ​​را بر اساس الکتروانسفالوگرام (EEG) و داده های فعالیت بدنی (به عنوان مثال شکل موج ، تصاویر طیف سنجی قدرت ، ویژگی های عددی) بررسی می کنیم.نتایج ما نشان می دهد که LLM ها می توانند کیفیت خواب را بر اساس ویژگی های رفتاری متنی انسان تخمین بزنند و پیشنهادات بهبود خواب شخصی و اسکریپت های تصاویر هدایت شده را ارائه دهند.با این وجود تشخیص توجه ، مراحل خواب و کیفیت خواب بر اساس EEG و داده های فعالیت نیاز به آموزش بیشتر و دانش خاص دامنه دارد.