NeuroRVQ

把脑电心电变成token，让生成模型读懂生物信号

NeuroRVQ是一个面向生物信号（如脑电、心电、肌电等）的多尺度神经残差向量量化（Residual Vector Quantization）工具库，旨在将连续的高维生物信号转换为离散的token序列，从而为生成式基础模型（如Transformer、扩散模型）提供统一的输入表示。它解决了生物信号数据异质性强、噪声大、难以直接用于自监督预训练和生成任务的问题。核心能力包括：多尺度特征提取、残差量化编码、可微的编解码器设计，以及支持多种生物信号模态的预处理接口。通过将信号压缩为紧凑的离散表示，NeuroRVQ使得研究人员能够利用大规模无标注生物信号数据训练生成模型，用于信号重建、异常检测、数据增强等任务。项目当前处于早期阶段，代码以Python实现，依赖PyTorch等深度学习框架，提供了基础训练和推理示例。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 52

维护状态维护中

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队KonstantinosBarmpas

所属国家

官网地址https://neurorvq.github.io

GitHubhttps://github.com/KonstantinosBarmpas/NeuroRVQ

定价模式free

价格说明开源项目，本地部署，完全免费

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型bci,biosignals,brain-computer-interface,codebook,deep-learning,ecg,eeg,emg,foundation-models,generative-ai,generative-model,machine-learning,rvq,tokenizer,tokenizers

GitHub 星标★ 52

30天Star增速

HF 下载量

上线时间2025-11-29 00:00:00

最近更新2026-08-17 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数7

使用教程

核心亮点

提出多尺度残差量化机制，能捕捉生物信号中不同时间尺度的特征，比单一尺度量化更精细
专为生物信号设计，支持脑电、心电等多种模态，预置了信号预处理和编码器适配逻辑
输出离散token，可直接对接现有Transformer或扩散模型，降低生成式模型应用门槛

不足之处

文档/社区待观察
项目处于早期，示例和工具链尚不完善，实际应用需自行调参

适用场景

生物信号生成式预训练：将大量无标注EEG/ECG数据编码为token，训练基础模型
医疗信号异常检测：利用生成模型重建信号，通过重建误差识别异常模式
数据增强：生成合成生物信号，扩充小样本训练集

替代项目

VQ-VAE、VQGAN、SoundStream

项目介绍

NeuroRVQ 是音频音乐领域的开源项目，由 KonstantinosBarmpas 开发，2025 年首次发布。

它收录于音频音乐分类，该分类目前共有 738 个项目，GitHub 星标数为 52。

项目仍在小幅维护中，最近一次代码更新于 2026-08-17。本地部署，完全免费。

它主要面向的使用场景是：生物信号生成式预训练：将大量无标注EEG/ECG数据编码为token，训练基础模型。同类可对比的替代方案包括 VQ-VAE、VQGAN、SoundStream。

上一篇：voc2vec

下一篇：FluidAudio