一种用于癫痫发作检测的时频交叉注意力网络模型

为何更快发现发作至关重要

对于患有癫痫的人来说，发作常常毫无预警，扰乱工作、学习和日常生活，严重时甚至危及生命。医生使用脑电图（EEG）——从头皮电极记录的微小电压波形——来发现有害的脑活动，但人工读取数小时的波形既缓慢又令人疲惫，且高度依赖专家判断。本研究提出了一种新的人工智能方法，能像经验丰富的专家那样解读EEG信号，不仅关注信号随时间的变化，还关注其潜在的节律，并将两种视角结合起来，以惊人的精度检测发作及其他危险模式。

引用: Wang, R., Tian, L., Li, M. et al. A time-frequency cross-attention network model for epileptic seizure detection. Sci Rep 16, 13441 (2026). https://doi.org/10.1038/s41598-026-41636-7

关键词: 癫痫发作检测, 脑电深度学习, 时频分析, 注意力机制, 脑信号处理