REST：通过残差状态更新实现高效、加速的 EEG 癫痫发作分析

基于摘要分析。该研究针对 EEG 癫痫发作检测模型推理速度与内存效率不足、难以在临床设备中实时运行的问题，提出基于图的残差状态更新机制 REST，结合图神经网络与循环结构建模 EEG 的非欧几里得几何关系和时间依赖。 机制与贡献：摘要明确将图结构建模、循环结构和残差状态更新相结合，主要贡献指向 EEG 癫痫发作检测与分类的计算效率。图的构建方式、状态更新公式、网络结构、训练目标，以及加速具体来自哪些计算环节尚未验证，不能据此判断其是否适用于流式输入或具有确定的实时延迟保障。 结果与评估：作者报告 REST 在癫痫发作检测和分类任务中具有较高准确性，但摘要未提供具体 Accuracy 数值。作者还报告，相对于其所比较的先进模型，REST 的推理速度加快 9 倍，且内存需求显著低于该任务中采用的最小模型。摘要未列出对照模型名称、数据集、被试数量、数据划分、运行硬件、批大小及内存测量口径，因此这些效率结果的适用范围和可比性尚未验证。 应用与复现边界：作者将响应式神经刺激和癫痫预警系统列为潜在应用，摘要并未提供临床设备部署或临床验证证据。复现时应核对实验是否采用被试内或跨被试划分、检测与分类的任务定义，以及相同硬件和输入条件下的准确性、推理延迟与内存占用；实验协议、消融及统计信息尚未验证。该工作的直接研究对象是 EEG 癫痫发作分析，不应将其结果直接等同于其他 BCI 任务的性能提升。