ZUNA是一款仅3.8亿参数的轻量化设计的开源脑电图（EEG）基础模型

ZUNA是一款开源脑电图（EEG）基础模型，仅3.8亿参数的轻量化设计，却凭借卓越的信号重建、去噪与上采样能力，重新定义EEG信号处理范式。更具突破性的是，它无需昂贵算力集群，在消费级GPU乃至CPU上即可高效运行。

ZUNA核心能力：

1、智能去噪：

精准滤除肌电、眼电及环境噪声干扰，还原纯净脑电波形，大幅提升信号信噪比。

2、缺失通道重建：

针对电极接触不良、数据丢失等问题，基于邻域通道信息高精度补全缺失信号，而非传统线性插值。

3、虚拟上采样：

根据电极物理坐标，直接生成全新通道数据。研究人员可通过低密度采集设备，借助ZUNA生成高密度脑电图，显著降低硬件成本。

ZUNA轻量部署：

在大模型参数动辄百亿级的背景下，ZUNA以3.8亿参数实现性能与轻量化的极致平衡：

1、硬件门槛极低：

无需A100/H100等高端算力卡，普通RTX 4090及入门消费级GPU即可流畅推理。

2、支持CPU运行：

轻量场景下可直接在CPU部署，为便携式脑电设备与边缘计算提供可行方案。

3、完全开源开放：

代码与模型权重全面开源，全球科研人员、临床医师与开发者可免费使用、微调及集成。

ZUNA安装步骤：

# 从GitHub下载教程和示例数据
git clone --depth 1 --filter=blob:none --sparse https://github.com/Zyphra/zuna.git && cd zuna && git sparse-checkout set tutorials

# 使用pip安装zuna
pip install zuna

或者以开发模式安装：

# 从GitHub下载Zuna代码库
git clone https://github.com/Zyphra/zuna.git && cd zuna

# 在开发者模式下使用Pip安装zuna
pip install -e .

ZUNA应用前景：

1、低成本脑机接口（BCI）：

以算法弥补硬件短板，让低通道头戴设备实现高精度意图识别。

2、临床诊断辅助：

自动修复运动伪影等干扰数据，提升癫痫病灶定位、睡眠分期等诊断精度。

3、神经科学研究：

助力中小实验室盘活低质量历史数据，通过重建与上采样挖掘全新科研价值。

4、可穿戴脑电设备：

轻量化模型可嵌入移动端，实现实时脑电监测与智能反馈。

进入ZUNA模型官网入口