基于跨物种迁移学习的无接触摄像头癫痫发作预测
计算机视觉与模式识别
2026-03-16 v1 机器学习
摘要
癫痫发作预测是癫痫研究中临床重要但具有挑战性的问题。现有方法主要依赖于神经信号，如脑电图（EEG），这些方法需要专业设备，限制了在现实环境中进行长期部署。相比之下，视频数据提供了一种非侵入且易于获取的替代方案，但现有的基于视频的研究主要关注发作后癫痫的检测，尚未充分探索癫痫的预测。本文提出了一种基于视频的癫痫发作预测新任务，即利用短时前前后性视频片段（3-10秒）预测此后5秒内是否会发生癫痫发作。为解决标注人类癫痫视频数据稀缺的问题，本文提出了一种跨物种迁移学习框架，利用大规模啮齿动物视频数据进行辅助预训练。该方法使模型能够捕捉跨物种普遍的癫痫相关行为动力学。实验结果表明，在严格的仅使用视频数据的设置下，我们的方法实现了超过70%的预测准确率，并优于现有基线方法。这些发现凸显了跨物种学习构建非侵入性、可扩展的癫痫早期警报系统的潜力。
引用
@article{arxiv.2603.12887,
title = {Forecasting Epileptic Seizures from Contactless Camera via Cross-Species Transfer Learning},
author = {Mingkai Zhai and Wei Wang and Zongsheng Li and Quanying Liu},
journal= {arXiv preprint arXiv:2603.12887},
year = {2026}
}