利用 ECNorm 实现跨患者自适应长度癫痫诊断：一种逐通道方法

该研究针对自动癫痫发作检测中患者特异性、固定时间长度设置占主导的问题，提出 Electroencephalogram Channel-wise Normalization（ECNorm），并将其应用于两层 LSTM，以支持跨患者、可变时间长度的 EEG 癫痫诊断。基于摘要分析，未取得论文全文；这里的研究对象是癫痫发作检测，不能据此视为已验证的 BCI 解码方法。 核心机制：作者描述 ECNorm 通过考虑不同 EEG 通道的物理意义与数据分布特征，降低患者间差异。摘要未提供归一化公式、统计量的估计范围、训练与推理阶段的处理方式，也未说明可变长度输入如何组织，因此尚不能判断其与常规逐通道标准化的具体区别，或“自适应长度”是否涉及额外机制。 实验与结果：作者报告，在公开 CHB-MIT 数据集的留一实验中，该方法在 1 秒和 100 秒片段设置下优于既有研究；作者还报告，消融实验中 ECNorm 相较 batch normalization 和 layer normalization 提升了两层 LSTM 的性能。摘要未列出评价指标、数值、留一单位、患者与片段划分、基线配置或显著性检验，相关实验协议、消融及统计信息尚未验证，不能把不同片段长度的结果直接合并比较，也不能独立确认作者所称的新基准。 复现核对重点包括通道对应与预处理方式、归一化统计量是否仅由允许使用的数据估计、训练与测试患者的划分，以及不同长度片段的生成和评价规则。这些是待查事项，并非已发现的实验问题。摘要未提供代码与完整实现条件。