CLSP-REQA：结合 Mamba-BiLSTM 与置信度门控干预的实时质量感知闭环癫痫发作预测框架

基于摘要分析。该研究针对癫痫发作预测中 EEG 信号质量波动与跨患者泛化问题，提出 CLSP-REQA，将实时信号质量估计与预测置信度调节整合到面向闭环神经刺激的预测流程中。其贡献是质量感知预测及接口设计，而非已完成前瞻性验证的闭环治疗系统。 机制上，轻量级 Real-time EEG Quality Assessment（REQA）模块与 Mamba-BiLSTM 主干并行运行，输出 q∈[0,1] 的标量质量评分，再通过分层非线性融合函数 ECLO 调节输出置信度。框架输出结构化四元组〈p, q, c, Φ_SHAP〉，用于兼容闭环神经刺激器接口；各分量的完整定义、干预策略及实时运行条件尚待正文核对。摘要称开展了专门实验，检验质量评分是否反映真实信号质量而非预测任务的冗余代理，并进行了融合阈值敏感性分析及与标准校准基线的比较，但未提供这些实验的具体结果。 作者报告，在严格跨患者评估下，CHB-MIT Scalp EEG Database 包含23名被试、198次发作，AUC-ROC 为0.7426±0.0199；模型使用16个 EEG 通道，不使用目标患者数据或域适应。摘要将其与 Jemal 等报告的未适应跨患者基线0.69比较，并指出既有工作使用23通道。SIENA Scalp EEG Database 包含14名被试、47次发作，作者报告 AUC 为0.7012±0.0249，并与同数据集上域适应跨患者结果0.61比较。上述比较的目标患者数据访问权限及通道条件不同，不能据此认定无条件优于域适应；具体划分、基线对应关系及“±”的统计含义尚未验证。 两套数据均来自受控医院环境中的回顾性记录。作者将结果定位为可行性展示，不视为前瞻性真实场景临床就绪证据。复现需进一步核对预测时间窗、患者划分、质量监督来源、ECLO 规则、消融与统计信息，以及误报负担、校准表现和推理延迟。