--- license: cc-by-4.0 tags: - neuromm-2026 - eeg - epilepsy - checkpoints --- # NeuroMM 2026 Checkpoints (Tracks 1–3) NeuroMM 2026 参赛系统的模型权重存档,用于结果复现与审计。任务为 EEG 发作间期癫痫样放电(IED)分析,核心难点是将真实 IED 与生理/运动伪差(眼动、肌电、体动)分离,可选用同步多模态信号。 权重共 354 个 `.pt`,约 77 GB,仅含推理用 `state_dict`(无优化器状态)。配套代码包:`REPRODUCTION_PACKAGE_NeuroMM2026_ytyan`(含 `reproduce_t{1,2,3}.py`、`train/` 训练与推理脚本、`CHECKPOINTS_MANIFEST.md` 逐权重清单)。 ## 系统构成与成绩 | 赛道 | 任务 | 指标 | 测试集 | 系统 | |---|---|---|---|---| | 1 | IED 检测(二分类) | AUPRC | 0.9632 | 纯 EEG 多底模,5 折 CV,折外(OOF)秩平均集成 | | 2 | 上下文分类(二分类) | AUPRC | 0.9748 | EEG + 视频(通道注意力 EEG 主干 + DINOv2 视频特征),候选集直推式自训练 | | 3 | 源/亚型(5 分类) | weighted-F1 | 0.7891 | 纯 EEG 多底模,确定性测试期校准 | 底模族:ConvNeXt / EfficientNet 多任务系列、EEG-Conformer、TCN、LaBraM、拓扑 CB-Focal。T3 校准链:Dirichlet 不确定性加权 → Aitchison 单纯形均值 → 伪被试聚类去偏 → 类先验锚定 → kNN 近邻借标。 ## 目录结构 | 目录 | 内容 | |---|---| | `baseline_shared/` | T3 底模(ConvNeXt / topo / LaBraM)+ 跨赛道共享主干 | | `track1_2_research/` | T1 / T2 模型:CV 各折、DANN、LaBraM probe | `.pt` 文件名与代码包脚本一致。T3 底模与跨赛道共享主干均在 `baseline_shared/`,故无独立 T3 目录。 ## 复现流程 ```bash pip install -U "huggingface_hub[hf_transfer]" export HF_HUB_ENABLE_HF_TRANSFER=1 hf download nbclass666/neuromm2026-ytyan-ckpts --repo-type model --local-dir ./ckpts ``` 复现代码均在配套代码包 `REPRODUCTION_PACKAGE_NeuroMM2026_ytyan`,提供三种方式: 1. **用随包预测**:以 `reproduce_t{1,2,3}.py` 对代码包内的逐底模预测 `npz/` 执行集成与测试期校准。不需权重与 GPU。 2. **用本仓权重**:加载本仓 `.pt`,运行代码包 `train/` 下的推理脚本在候选集生成各底模预测 `npz/`,再执行方式 1。需 GPU。 3. **从零训练**:训练脚本与完整流程见代码包(各赛道 `TRAINING.md` 与 `train/`),不在本仓库;需 GPU 与训练数据(EEG/视频特征、标注、候选测试集)。 ## 备注 - T3 的 `swa_greedy` 分量依赖未保留的 SWA 逐轮快照,无法从权重重建;其预测 `npz` 已随代码包提供,该分量直接复用,其余 15 个分量从本仓权重重生成。 - T2 / T3 含直推式步骤:在无标签候选集上自训练,以及从带标签验证集做近邻借标;全程未使用测试集标签。
