用于 EEG-视频 IED 检测的多模态测试时上下文增强

基于摘要分析。该研究针对 EEG 中发作间期癫痫样放电（IED）候选与非脑源事件所致相似瞬态难以区分的问题，提出以 EEG 为中心的候选排序系统，通过多模态测试时上下文增强，利用同步视频辅助判断 EEG 证据的可靠性并修正排序。 核心机制：系统首先适配 ST-EEGFormer，建立 EEG 参考排序，再利用视频提取的可靠性线索及候选池上下文，在测试时细化候选分数。视频并非早期融合输入，而是用于可靠性评估与排序修正：保留具有一致 EEG 支持的候选，抑制与视频上下文冲突的高分候选，并借助形态和邻域证据恢复排序偏低的候选。其研究重点是如何利用稀疏、间接且与短 EEG 候选窗口仅松散对齐的视频证据，而非简单联合两种模态。 结果：作者报告，在 Track 2（NMM-Context-IED）官方排行榜上，最终提交的 AUPRC 为 0.9871；评估后分析进一步达到 0.9972 AUPRC。两者分别属于官方提交和评估后分析，不能视为同一评估条件下的直接提升。作者还报告，视频上下文冲突证据是最有效的单一上下文视角，但摘要未提供各视角的具体指标或统计不确定性。 复现与证据边界：需核对 ST-EEGFormer 的适配方式、视频线索提取与时间对齐、候选池和邻域定义，以及分数修正规则。数据集组成、被试数、被试内或跨被试划分、基线、完整消融及统计信息尚未验证；评估后分析的配置与数据使用条件也需结合全文确认。该工作支持的是 EEG-视频 IED 候选排序研究，摘要不足以据此判断临床诊断效益或泛化能力。