Newest papers

Region-Specific EEG Classification of Hypnotic Susceptibility Using a Sliding-Window 2D CNN: A Subject-Independent Evaluation

Krzysztof Wrobel, Grzegorz M. Wojcik · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28427 · open-access PDF

Spanish

Investigamos si una Red Neural Convolucional 2D (CNN) entrenada en señales EEG mínimamente preprocesadas puede clasificar la susceptibilidad hipnótica en diferentes regiones del cerebro. Sesenta y dos participantes masculinos (32 Control, 30 Guided Imagery / Hipno grupo) se sometieron a una grabación EEG de 20 minutos utilizando una capilla EGI de 256 canales. Un enfoque de ventana deslizante evalúa todas las ventanas de 10 segundos dentro de la grabación para cada una de las siete regiones predefinidas del cerebro (prefrontal, frontal, temporal, central, parietal, occipital y facial), produciendo hasta 868 modelos entrenados de forma independiente.

Machine translation (Meta M2M100); the English original follows.

Abstract

We investigate whether a 2D Convolutional Neural Network (CNN) trained on minimally preprocessed EEG signals can classify hypnotic susceptibility across distinct brain regions. Sixty-two male participants (32 Control, 30 Guided Imagery / Hipno group) underwent a 20-minute EEG recording using a 256-channel EGI cap. A sliding-window approach evaluates all 10-second windows within the recording for each of seven predefined brain regions (prefrontal, frontal, temporal, central, parietal, occipital, and facial), yielding up to 868 independently trained models. Initial screening with a segment-level

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange