SpaTeoGL：用于从颅内脑电图进行可解释癫痫发作起始区分析的时空图学习
机器学习
2026-02-13 v1
摘要
从颅内脑电图（iEEG）中准确定位癫痫发作起始区（SOZ）对于癫痫手术至关重要，但受到复杂的时空癫痫发作动态的挑战。我们提出了 SpaTeoGL，一个用于可解释癫痫网络分析的时空图学习框架。SpaTeoGL 联合学习捕获 iEEG 电极间相互作用的窗口级空间图，以及基于其空间结构相似性链接时间窗口的时间图。该方法在平滑图信号处理框架内制定，并通过具有收敛保证的交替块坐标下降算法求解。在具有成功手术结果的多中心 iEEG 数据集上的实验表明，SpaTeoGL 与基于水平可见性图和逻辑回归的基线方法具有竞争力，同时改进了非 SOZ 识别，并为癫痫发作起始和传播动态提供了可解释的见解。
引用
@article{arxiv.2602.11801,
title = {SpaTeoGL: Spatiotemporal Graph Learning for Interpretable Seizure Onset Zone Analysis from Intracranial EEG},
author = {Elham Rostami and Aref Einizade and Taous-Meriem Laleg-Kirati},
journal= {arXiv preprint arXiv:2602.11801},
year = {2026}
}
备注
5 pages, 4 figures