用于通用化视频癫痫检测的跨关节注意力学习
计算机视觉与模式识别
2026-03-26 v1
摘要
从长期临床视频中自动化癫痫检测可显著减少手动审查时间并实现实时监测。然而，现有视频方法常因背景偏差和依赖主体特定外观特征而难以泛化到未见主体。我们提出一种以关节为中心的注意力模型，专注于身体动力学，以提高跨主体泛化能力。对于每个视频片段，检测到身体关节并提取关节中心剪辑，以抑制背景上下文。这些关节中心剪辑使用视频视觉转换器（ViViT）进行分词，并学习跨关节注意力，以建模身体部位之间的空间和时间相互作用，捕获癫痫半oche 实践的协调运动模式。广泛的跨主体实验表明，所提方法在未见主体上持续优于基于 CNN、图和转换器的现有SOTA方法。
引用
@article{arxiv.2603.23757,
title = {Learning Cross-Joint Attention for Generalizable Video-Based Seizure Detection},
author = {Omar Zamzam and Takfarinas Medani and Chinmay Chinara and Richard Leahy},
journal= {arXiv preprint arXiv:2603.23757},
year = {2026}
}