来犬 EEG 帮助人类：基于多空间对齐的跨种属、跨模态癫痫发作检测
信号处理
2026-04-21 v2 机器学习
摘要
癫痫显著影响全球健康，约影响 6500 万人，以及各种动物种类。癫痫的诊断过程常因发作的偶发性和不可预测性而受阻。本文提出一种基于跨种属和跨模态脑电图（EEG）数据的多空间对齐方法，以增强癫痫发作检测能力和理解。通过采用域适应和知识蒸馏等深度学习技术，我们的框架对齐跨种属和跨模态的 EEG 信号，以超越传统“种内-同模态”模型的检测能力。在多个人类和犬类表面及皮内脑电图数据集上的实验表明，针对跨种属和跨模态癫痫发作检测，仅凭来自目标种属/模态极有限的标注数据，即可实现检测准确率显著提升，AUC 分数超过 90%。据我们了解，这是首个展示不同种属和模态异构数据整合可提升 EEG 基于癫痫发作检测性能的研究。该方法也可能适用于不同的脑机接口范式，表明可以组合来自不同种属/模态的数据以增加大规模 EEG 模型的训练数据量。
引用
@article{arxiv.2412.17842,
title = {Canine EEG Helps Human: Cross-Species and Cross-Modality Epileptic Seizure Detection via Multi-Space Alignment},
author = {Z. Wang and S. Li and Dongrui Wu},
journal= {arXiv preprint arXiv:2412.17842},
year = {2026}
}