[論文レビュー] EEG-Titans: Long-Horizon Seizure Forecasting via Dual-Branch Attention and Neural Memory

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

EEG and Brain-Computer Interfaces被引用数 0

ひとこと要約

EEG-Titans は、長期のホライゾン予測を可能とするニューロンメモリを備えたデュアルブランチアーキテクチャを用い、CHB-MIT データで発作を長期視点で forecast し、因果評価を安全最優先で実施します。

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

研究の動機と目的

• EEG からの正確な発作予測を促進するため長期的な前発作ダイナミクスを捉える。
• 短期的な異常と長距離コンテキストを組み合わせるメモリ増強アーキテクチャを開発する。
• 時系列の因果性を保持する安全-first のクロスホールド Protocol に基づいて評価する。
• アーティファクトが多い小児 EEG における失敗モードを分析し、個別化と頑健性を導く。

提案手法

• 空間トークナイザーと Titans ベースの時間的バックボーン（神経メモリ MAG）を備えたデュアルブランチアーキテクチャを提案する。
• ShallowConvNet を空間トークナイザーとして用い、マルチチャネル EEG セグメントからトークン列を生成する。
• 局所因果注意とニューラルメモリ経路を学習可能なデカイ Gate で融合する Memory-as-a-Gate（MAG）時間的バックボーンを採用する。
• 可変性を管理し誤警報を減らすため窓ベースのソフトな融合と被験者ごとの閾値設定で訓練する（30分間の refractory period）。
• 臨床導入を反映するため時系列ホールドアウトプロトコル下でセグメントベースの感度と時間当たりの偽陽性率で評価する。

実験結果

リサーチクエスチョン

• RQ1 Memory-augmented 時間モデルは CHB-MIT EEG データの長期前発作予測を改善するか。
• RQ2 局所的注意とニューラルメモリ経路を組み合わせることで因果評価下で偽陽性を減らし感度を高く維持できるか。
• RQ3 Context 拡張による被験者特異的適応はアーチファクト多いまたは非定常的な小児 EEG の性能に影響するか。
• RQ4 小児 EEG におけるアーチファクト負荷の変動でメモリ増強モデルの制約と失敗モードは何か。

主な発見

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-Titans は Chronological hold-out 下で 18 件の CHB-MIT 被験者の平均セグメント感度 99.46%、FPR/h 0.3713 を達成。
• 18 名中 16 名がベースライン構成で低い FPR/h（<0.2 アラーム/時）で100%の感度を示す。
• 被験者 CHB15 はベースラインの FPR/h が高い（3.8710）が、 context を 60 s から 300 s に拡張すると 0.00 FPR/h に低下し、実用的な適応を示す。
• 被験者 CHB06 は感度が高い（100%）一方で FPR/h が高め（0.90）で、小児期特有の非定常性と短い発作の影響が原因と推定され、小児用の較正の必要性を示す。
• アブレーション研究はメモリ増強 TITANS が注意力のみおよび LSTM ベースラインと比べて FPR/h を抑制し、長い文脈の安定化効果を裏付ける。
• 先行研究の CHB-MIT 結果と比較して、EEG-Titans（Memory）はトークン化ベースの特徴を用い明示的な TF 変換なしで、妥当な FPR/h を伴う 99.46% の感度を達成。