RatSeizure：用于大鼠癫痫发作定位的基准与显著性-上下文Transformer

动物模型，特别是大鼠，在癫痫发生和治疗反应研究中发挥关键作用。然而，由于缺乏具有精确时间标注和标准化评估协议的数据集，相关进展受到限制。现有的动物行为数据集通常可访问性有限、标注粗糙，且对临床有意义事件的时间定位不足。为解决这些局限性，我们引入RatSeizure——首个面向细粒度癫痫发作行为分析的公开基准。该数据集由带有癫痫相关动作单元和时间边界的记录片段组成，支持行为分类和时间定位。我们进一步提出RaSeformer，一种用于时序动作定位的显著性-上下文Transformer，它突出显示与行为相关的上下文，同时抑制冗余线索。在RatSeizure上的实验表明，RaSeformer取得了强劲的性能，并为这一具有挑战性的任务提供了具有竞争力的参考模型。我们还建立了标准化的数据集划分和评估协议，以支持可复现的基准测试。