[논문 리뷰] EEG-Titans: Long-Horizon Seizure Forecasting via Dual-Branch Attention and Neural Memory

Tien-Dat Pham, Xuan-The Tran|arXiv (Cornell University)|2026. 01. 20.

EEG and Brain-Computer Interfaces인용 수 0

한 줄 요약

EEG-Titans는 EEG로부터 장기간의 발작을 예측하기 위해 신경 메모리를 갖춘 이중 분기 아키텍처를 도입하여 CHB-MIT 데이터에서 안전 우선의 인과적 평가로 세그먼트 수준의 높은 민감도를 달성합니다.

ABSTRACT

Accurate epileptic seizure prediction from electroencephalography (EEG) remains challenging because pre-ictal dynamics may span long time horizons while clinically relevant signatures can be subtle and transient. Many deep learning models face a persistent trade-off between capturing local spatiotemporal patterns and maintaining informative long-range context when operating on ultralong sequences. We propose EEG-Titans, a dualbranch architecture that incorporates a modern neural memory mechanism for long-context modeling. The model combines sliding-window attention to capture short-term anomalies with a recurrent memory pathway that summarizes slower, progressive trends over time. On the CHB-MIT scalp EEG dataset, evaluated under a chronological holdout protocol, EEG-Titans achieves 99.46% average segment-level sensitivity across 18 subjects. We further analyze safety-first operating points on artifact-prone recordings and show that a hierarchical context strategy extending the receptive field for high-noise subjects can markedly reduce false alarms (down to 0.00 FPR/h in an extreme outlier) without sacrificing sensitivity. These results indicate that memory-augmented long-context modeling can provide robust seizure forecasting under clinically constrained evaluation

연구 동기 및 목표

• EEG로부터 단시간 전발작 역학을 포착하여 정확한 발작 예측의 필요성을 자극한다.
• 짧은 기간의 이상 신호와 긴 거리의 맥락을 결합하는 메모리 증강 아키텍처를 개발한다.
• 발 temporal causality를 보존하기 위한 안전 우선의 연대순 홀드아웃 프로토콜에서 평가한다.
• 아티팩트가 많은 뇌파 및 소아 EEG에서 실패 모드를 분석하여 개인화와 로버스트함을 안내한다.

제안 방법

• 공간 토큰화기와 Neural Memory(MAG)를 갖춘 Titans 기반 시간 백본의 이중 분기 아키텍처를 제안한다.
• ShallowConvNet을 공간 토큰화기로 사용하여 다채널 EEG 세그먼트로부터 토큰 시퀀스를 생성한다.
• 로컬 인과 주의(attention)와 학습 가능한 디케이 게이트를 통한 뉴럴 메모리 경로를 융합하는 Memory-as-a-Gate(MAG) 시간 백본을 채용한다.
• 변동성을 관리하고 거짓 경보를 줄이기 위해 창(window) 기반 소프트 융합 및 주제별 임계값 설정으로 학습한다(30분 휴지 상태).
• 임상 배치를 반영하기 위해 연대순 홀드아웃 프로토콜 하에서 세그먼트 기반 민감도와 시간당 거짓 양성률을 사용해 평가한다.

실험 결과

연구 질문

• RQ1 메모리-증강 시간 모델링이 CHB-MIT EEG 데이터에서 장기 예측의 전발작 예측을 개선할 수 있는가?
• RQ2 로컬 주의(attention)와 신경 메모리 경로를 결합하면 인과적 평가에서 높은 민감도를 유지하면서 거짓 경보를 줄일 수 있는가?
• RQ3 문맥 확장에 의한 피실험자 특정 적응이 아티팩트가 많은 또는 비정상적 소아 EEG의 성능에 어떤 영향을 미치는가?
• RQ4 다양한 아티팩트 부하를 가진 소아 EEG에서 메모리-증강 모델의 한계와 실패 모드가 무엇인가?

주요 결과

Subject ID	Sensitivity (%)	FPR/h
CHB01	100.00	0.0618
CHB02	100.00	0.0686
CHB03	100.00	0.0000
CHB04	100.00	0.0000
CHB05	100.00	0.3582
CHB06	100.00	0.9034
CHB07	100.00	0.1846
CHB08	100.00	0.1303
CHB09	100.00	0.0834
CHB10	100.00	0.0000
CHB13	100.00	0.0663
CHB14	100.00	0.0983
CHB15	90.34	3.8710
CHB16	100.00	0.1229
CHB18	100.00	0.5000
CHB20	100.00	0.0831
CHB21	100.00	0.0000
CHB22	100.00	0.1527
Baseline Average	99.46	0.3713

• EEG-Titans는Chronological hold-out 하에서 18명의 CHB-MIT 피험자에 대해 평균 세그먼트 민감도 99.46%, FPR/h 0.3713을 달성했다.
• 18명의 피험자 중 16명은 베이스라인 구성에서 낮은 FPR/h(<0.2 alarms/hour)로 100% 민감도를 보였다.
• 피험자 CHB15는 기저선 FPR/h가 높았으나 컨텍스트를 60 s에서 300 s로 확장하면 0.00 FPR/h로 감소하여 실용적 적응을 보여준다.
• 피험자 CHB06은 높은 민감도(100%)를 보이나 FPR/h가 0.90으로 상승하는데, 이는 소아 연령 특유의 비정상성과 짧은 발작으로 인한 영향일 가능성이 있어 소아 보정의 필요성을 시사한다.
• 삭제 연구는 메모리-증강 TITANS가 주의 기반 및 LSTM 기준선에 비해 FPR/h를 낮추는 경향이 있어 긴 맥락의 안정화 효과를 지지한다.
• 최첨단 CHB-MIT 결과와 비교할 때, EEG-Titans(Memory)은 토큰화 기반 특성을 사용하고 명시적 TF 변환 없이도 99.46%의 민감도와 적당한 FPR/h를 달성한다.