PulseAugur
中
实时 11:13:27
English(EN) SpaTeoGL: Spatiotemporal Graph Learning for Interpretable Seizure Onset Zone Analysis from Intracranial EEG

新的图学习框架增强了癫痫发作起始区的分析

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了SpaTeoGL，一个新颖的时空图学习框架，旨在提高从颅内脑电图数据中识别癫痫发作起始区（SOZ）的准确性。该方法构建电极相互作用的窗口级空间图，并通过基于结构相似性的时间图将它们连接起来。在多中心数据集上的实验表明，SpaTeoGL与现有方法相比具有竞争力，同时提供了增强的非SOZ识别能力和对癫痫发作传播的更清晰见解。 AI

影响 这种图学习方法可能通过改善癫痫发作起源的识别，从而实现更精确的癫痫手术。

排序理由 该集群包含一篇学术论文，详细介绍了一种针对特定科学问题的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Elham Rostami, Aref Einizade, Taous-Meriem Laleg-Kirati ·

    SpaTeoGL: Spatiotemporal Graph Learning for Interpretable Seizure Onset Zone Analysis from Intracranial EEG

    arXiv:2602.11801v2 Announce Type: replace Abstract: Accurate localization of the seizure onset zone (SOZ) from intracranial EEG (iEEG) is essential for epilepsy surgery but is challenged by complex spatiotemporal seizure dynamics. We propose SpaTeoGL, a spatiotemporal graph learn…

相关实体

相关话题