基于 Spatial-Temporal Hypergraph Attention Transformer 的患者特异性 EEG 癫痫发作预测

基于摘要分析（未取得论文全文；所提供正文仅含研究亮点）。该研究面向患者特异性的 EEG 癫痫发作预测，标题提出采用 Spatial-Temporal Hypergraph Attention Transformer；作者称框架通过内容与上下文揭示 EEG 特征，并利用注意力机制捕获关键特征。研究对象是癫痫发作预测，不能据此认定其已验证一般 BCI 解码能力。 技术层面，现有材料支持方法涉及时空超图与注意力，但未说明超图节点和超边的定义、空间与时间关系的编码方式、内容与上下文的具体含义，以及 Transformer 的结构、训练目标和推理流程，因此尚不能判断各模块如何协同，也不能确认相较其他 EEG 建模方法的具体创新。 作者报告广泛实验验证了模型的优越性能，但材料未提供数据集、患者数量、预测时间窗口、数据划分、对照基线或定量指标。患者特异性这一任务描述不等同于已明确的被试内评估协议；性能结论仍需结合实际划分、发作前期定义和评价标准核对。 阅读或复现时应重点核对超图构建与输入预处理、训练与测试的时间及发作事件划分，以及评价指标和基线设置。实验协议、消融及统计信息尚未验证，代码与复现条件也尚未验证。