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

French

Nous examinons si un réseau neural convolutif 2D (CNN) entraîné sur des signaux EEG minimalement pré-traités peut classer la susceptibilité hypnotique dans différentes régions du cerveau. Soixante-deux participants mâles (32 Control, 30 Guided Imagery / Hypno group) ont subi un enregistrement EEG de 20 minutes à l'aide d'un capot EGI de 256 canaux. Une approche à fenêtre glissante évalue toutes les fenêtres de 10 secondes au sein de l'enregistrement pour chacune des sept régions du cerveau prédéfinies (préfrontale, frontale, temporelle, centrale, pariétale, occipitale et faciale), produisant jusqu'à 868 modèles formés de manière indépendante.

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