摘要

脑电图（EEG）是一种重要的临床诊断工具，医生通过记录脑电活动并监测其信号来检测癫痫发作。近年来，已有多种基于现代深度学习模型的方法被用于自动识别EEG信号中的癫痫发作及异常，旨在减轻临床负担。然而，由于这些方法在不同的实验环境下进行测试，彼此之间难以进行公平比较；此外，部分模型并未针对实时癫痫发作检测任务进行训练，限制了其在设备端（on-device）应用的可行性。为此，本研究首次在适用于真实世界应用的实时癫痫发作检测框架中，系统性地对比了多种前沿深度学习模型与信号特征提取方法，并引入多种评估指标，其中还包括我们提出的一种新指标，以更全面地衡量模型在实际应用中的表现。相关代码已开源，地址为：https://github.com/AITRICS/EEG_real_time_seizure_detection。