这个 EEG 看起来像那些 EEGs：使用 ProtoEEG-kNN 的可解释间期癫痫样放电检测
神经元与认知
2025-10-27 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
间期癫痫样放电（IEDs）在脑电图（EEG）记录中的存在是癫痫的关键生物标志物。即使是训练有素的神经科医生也难以检测 IEDs，导致许多从业者转向机器学习寻求帮助。虽然现有的机器学习算法可以在该任务上取得较强的准确率，但大多数模型是不可解释的，无法为其结论提供理由。缺乏理解模型推理的能力，医生无法利用其专业知识来识别错误的模型预测并采取相应干预。为了改善人机交互，我们提出了 ProtoEEG-kNN，一种本质上可解释的模型，遵循简单的基于案例的推理过程。ProtoEEG-kNN 通过将 EEG 与训练集中的相似 EEG 进行比较来进行推理，并在 IED 形态（形状）和空间分布（位置）两方面直观地展示其推理过程。我们表明，ProtoEEG-kNN 可以在 IED 检测中达到最先进的准确率，同时提供专家偏好的解释。
引用
@article{arxiv.2510.20846,
title = {This EEG Looks Like These EEGs: Interpretable Interictal Epileptiform Discharge Detection With ProtoEEG-kNN},
author = {Dennis Tang and Jon Donnelly and Alina Jade Barnett and Lesia Semenova and Jin Jing and Peter Hadar and Ioannis Karakis and Olga Selioutski and Kehan Zhao and M. Brandon Westover and Cynthia Rudin},
journal= {arXiv preprint arXiv:2510.20846},
year = {2025}
}
备注
MICCAI 2025