ScatterFormer：用于患者独立多频谱癫痫样放电检测的局部不变散射 Transformer

基于摘要分析。该研究针对连续 EEG（cEEG）频谱视觉表征中的癫痫样活动检测，试图解决不同患者、通道和时间点的细微变异造成的识别困难。作者提出 ScatterFormer，将不变散射变换与层级 Transformer 结合，重点捕捉具有判别力的细粒度高频纹理特征；其主要研究对象是癫痫相关 EEG 检测，而非 BCI 控制任务。 机制方面，摘要将模型描述为基于不变散射变换的层级 Transformer，并引入解耦的频率感知注意力（frequency-aware attention，FAA），以捕捉具有临床信息的高频成分。作者认为，多通道 EEG 的视觉编码可为这些特征提供临床解释性。散射变换的具体配置、频谱编码方式、FAA 的计算形式、训练损失及解释性的验证方式尚未验证。 结果方面，作者报告在两个癫痫样活动检测任务上进行了评估：在 Rolandic epilepsy 患者任务中，中位 AUCROC 为 98.14%，Accuracy 为 96.39%；在新生儿癫痫发作检测基准上，平均 AUCROC 相对作者所称的最先进方法提高 9%。摘要未明确这一“9%”是相对增幅还是百分点差，因此不能据此换算。研究以患者独立检测为目标，但具体 Cross-subject 划分、患者数量、数据集名称、对照方法及指标汇总方式尚未验证，两项任务的结果不能直接比较。 复现时需核对患者独立评估协议、EEG 到视觉表征的预处理、散射变换与 FAA 的实现，以及高频特征对伪迹和通道差异的敏感性。实验协议、消融及统计信息尚未验证，代码与权重的可用性也未由所给材料确认。上述结果不直接构成对其他 EEG 任务或 BCI 场景有效性的证据。