基于连续脑电图 (cEEG) 的视觉频谱表示的患者独立癫痫活动检测已广泛用于诊断癫痫。然而,由于不同受试者、通道和时间点的细微变化,精确检测仍然是一项相当大的挑战。因此,捕获与高频纹理信息相关的脑电图模式的细粒度、判别性特征尚未解决。在这项工作中,我们提出了散射变压器 (ScatterFormer),这是一种基于不变散射变换的分层变压器,它特别关注细微特征。特别是,解缠结的频率感知注意力 (FAA) 使变压器能够捕获具有临床信息的高频成分,基于多通道脑电图信号的视觉编码提供了一种新的临床可解释性。在两个不同的癫痫样检测任务上的评估证明了我们方法的有效性。我们提出的模型在 Rolandic 癫痫患者中实现了 98.14% 和 96.39% 的中位 AUCROC 和准确率。在新生儿癫痫发作检测基准上,其平均 AUCROC 比最先进的方法高出 9%。
主要关键词