NeuroAssist：开源头皮 EEG 自动事件检测

基于摘要分析。NeuroAssist 面向临床头皮 EEG 中异常事件的自动定位与分类，旨在为正常或病理性记录的判断提供可核查的事件依据，而不只是输出记录级标签。作者介绍了可在时间和 EEG 通道两个维度定位异常的开源软件，并表示同时发布研究所用的数据与标注。 方法上，事件定位系统采用小波变换衍生特征；事件分类比较了支持向量机、决策树、随机森林，以及 VGG16、GoogLeNet、EfficientNet 等深度卷积神经网络。摘要未说明小波特征如何用于定位、定位与分类如何衔接，以及各分类模型的具体输入、训练和推理设置，这些内容尚未验证。 数据集包含 1,075 条 EEG 记录，标注给出异常事件的精确时间与通道位置，覆盖两类事件：癫痫样放电与非癫痫样异常。该数量指记录数，不能据此推断被试数。摘要未提供被试内、跨被试或跨会话划分方式，也未交代标注一致性、类别分布及独立测试安排。 作者报告，在所述事件分类比较中，深度卷积神经网络的平均 Precision、Recall、F1-score 和 Accuracy 优于传统机器学习算法；摘要未提供具体数值、各模型结果或统计不确定性，不能据此判断优势幅度。分类指标也不能直接替代事件定位精度的验证。 本工作的主要对象是临床 EEG 异常事件检测与辅助解释，并非 BCI 指令解码。阅读或复现时应重点核对时间与通道定位的评估标准、训练测试划分，以及软件和数据的实际获取条件、许可证与预处理流程。实验协议、消融及统计信息尚未验证。