基于 EEG 的实时癫痫发作检测：现实应用设置下近期方法的全面比较

基于摘要分析。该研究针对 EEG 癫痫发作检测方法因实验设置不同而难以公平比较、部分方法未针对实时检测任务训练的问题，提出统一的实时检测比较框架，系统比较多种深度学习模型与信号特征提取器。主要贡献是面向现实应用的评估协议与方法比较，而非摘要中明确提出的新检测模型。 技术与评估：作者将已有模型和特征提取方法纳入实时癫痫发作检测框架，并采用多种评估指标，其中包括作者提出的一项用于衡量检测模型实际应用表现的新指标。摘要未说明该指标的名称、定义，以及实时框架如何处理信号窗口、输出更新和事件判定，相关细节尚未验证。作者声称这是首次在此类框架下进行广泛比较，该优先性声明尚未独立核实。 结果与适用范围：摘要未提供具体性能数值、方法排名、数据集、被试数量或数据划分，因此无法判断不同模型的检测效果、跨被试泛化能力及实时运行成本。本文主要研究对象是临床 EEG 癫痫发作检测；面向实时或设备端应用的设计目标，不等同于已完成设备端部署或临床验证，也不构成 BCI 解码有效性的证据。 复现条件：作者提供了研究代码仓库，但代码内容、运行环境与可复现程度尚未核验。阅读全文时需重点核对训练与测试的被试关系、信号窗口及时间信息使用规则、类别不平衡处理、事件级与窗口级指标的区别，以及检测延迟、误报和计算成本是否纳入评估。实验协议、消融及统计信息尚未验证。